Está en la página 1de 278

CAPITULO 1

______________________________

“Nuestras almas, cuyas facultades pueden


comprender la maravillosa arquitectura del
mundo, y medir el curso de cada planeta
vagabundo, aún escalan tras el conocimiento
infinito”

Christopher Marlowe.

VECTORES EN R3

1.1 Magnitudes escalares y vectoriales.


1.2 Sistema coordenado tridimensional, gráfico de puntos en R3.
1.3 Álgebra Vectorial; suma, producto de un escalar por un vector,
propiedades.
1.4 Definiciones importantes del Álgebra Lineal.
1.5 Producto interno, propiedades, proyecciones y aplicaciones.
1.6 Producto externo, propiedades y aplicaciones.
1.7 Productos triples, aplicaciones.
2 CAPITULO 1 Vectores en R3

1.1 MAGNITUDES ESCALARES Y VECTORIALES

Imaginémonos que queremos manejar el desplazamiento de un punto en el


plano. Con un poco de creatividad podríamos comprender que el arreglo (a, b) sería
suficiente para manejar este desplazamiento; donde el número real a representaría la
sombra del desplazamiento sobre un eje horizontal (control horizontal del
desplazamiento) y el número real b la sombra de este desplazamiento sobre un eje
vertical (control vertical del desplazamiento); de esta forma convenimos que el “par
ordenado” (a, b) representa la posición de un punto y solo uno en R2 (Filosofía de
Descartes). Con igual razonamiento un arreglo (a, b, c) representaría la posición de un
punto en R3 y así podríamos concluir que un arreglo (a1, a2, a3,……….., an) representa
la posición de uno y solo un punto en Rn.

Magnitudes, como el desplazamiento de un punto en un espacio cualquiera, que


necesitan de un arreglo numérico para su identificación, se llaman MAGNITUDES
VECTORIALES y el arreglo numérico que las representa es la TERNA del vector,
los números reales que componen el arreglo son las coordenadas del vector, bajo este
criterio en Física tenemos magnitudes vectoriales como la fuerza, velocidad,
aceleración, etc. que necesitarían de una terna para su total identificación. Las
magnitudes que con un simple valor numérico quedan totalmente identificadas, como
cuatro estudiantes, dos árboles, cinco edificios, son MAGNITUDES ESCALARES y
no necesitan de una terna para su identificación.

Un punto, un vector o una terna la identificaremos como una magnitud vectorial.

Emplearemos la siguiente notación para la recta real, el plano, el espacio


tridimensional y el espacio n dimensional:

R1 o simplemente R para la recta real


R2 para todos los pares ordenados (x, y)
R3 para todas las ternas ordenadas (x, y, z)
Rn para todas las ternas ordenadas (x1, x2, x3, ……. , xn)

Ejemplo 1-1 La terna (2, 3, -6); representa un vector o punto en R3.


La terna (-1, 4, -2, 8, 10); representa un vector o punto en R5. 
Convenimos con los lectores en usar letras mayúsculas para representar
magnitudes vectoriales (excepto i, j, k que se usan para representar los vectores
unitarios en R3 y ei que usaremos para representar vectores unitarios en Rn), y
minúsculas para representar magnitudes escalares. Con este criterio escribiremos al
vector V en R3 como: V = (x, y, z) o al vector V en Rn como: V = (x1, x2, x3,……., xn)
recordar que en la terna el orden de los números reales que la componen no puede
cambiar.
1.1 Magnitudes Escalares y Vectoriales 3

Decimos que dos vectores V1 = (x1, y1, z1) y V2 = (x2, y2, z2) son iguales si, y
solo si:
x1 = x2, y1 = y2, z1 = z2.
Son paralelos si, y solo si:

x1 y z
= 1 = 1
x2 y2 z2

Propiedades de la igualdad vectorial

A= A Reflexiva
A=B ⇒ B = A Simétrica
A = B ∧ B =C ⇒ A =C Transitiva

EL VECTOR CERO, que lo designaremos como φ , será:

φ = (0,0) Є R2
φ = (0, 0, 0) Є R3
φ = (0, 0, 0,……….., 0) Є Rn

NORMA DE UN VECTOR

Sea A = ( a1, a2, a3, .....an ) Є Rn


n

II A II = 2
1
2
2
2
a + a + a + .......... ......... + a
3
2
n
= ∑a
1=1
2
i

La norma de un vector será siempre un número real no negativo, la norma del


vector φ es cero.

VECTOR UNITARIO
∧ ∧
Si V es un vector unitario entonces II V II = 1
Todo vector, que no sea el vector cero, puede hacerse unitario dividiéndolo para
su norma:
4 CAPITULO 1 Vectores en R3

A = ( a1, a2, a3, .....an ) Є Rn

A
Â=
A

A 1
 = = × A =1
A A

Los vectores unitarios son importantes para dar la característica vectorial a


cualquier magnitud escalar.

Ejemplo 1-2 Encontrar un vector unitario en la dirección del vector V = (2, -4, 1)

∧ (2,−4,1)
V=
2 2 + (−4) 2 + 12
∧ (2,−4,1)
Solución: V= 
21

2 −4 1
V =( 21
, 21
, 21
)

1.2 SISTEMA COORDENADO TRIDIMENSIONAL, GRÁFICO DE


PUNTOS EN R3.

Los puntos en el espacio R3 pueden representarse de manera análoga a como se


lo hace en el plano cartesiano. Para realizar esta representación escogemos tres rectas
dirigidas perpendiculares entre sí que se corten en un punto común del espacio, a estas
rectas se las conoce como: eje x, eje y, eje z, y el punto común de corte se lo llama
origen, como se muestra en la figura 1-1. Se define una escala adecuada sobre cada uno
de los ejes y se representan los números reales de la terna (x, y, z) de tal forma que el
valor de x se lo representa sobre el eje x, positivos adelante del origen y negativos
atrás, el valor y, sobre el eje y, positivos a la derecha del origen y negativos a la
izquierda, el valor z, sobre el eje z, positivos arriba del origen y negativos abajo es
común llamar a este conjunto de ejes como Sistema de Coordenadas Cartesianas en el
Espacio, la característica de este sistema es que existe una correspondencia biunívoca
entre los puntos del espacio R3 y la terna (x, y, z).
1.2 Sistema Coordenado Tridimensional 5

Figura 1-1

La figura 1-2 representa el gráfico de los puntos (2, -1, 5), (-2, 3, 6) y (3, 5, -4)

Figura 1-2
6 CAPITULO 1 Vectores en R3

1.3 ÁLGEBRA VECTORIAL

SUMA VECTORIAL ( + )

Dados los vectores:


A = ( a1, a2, a3, .... , an ) ∈ Rn ,
B = ( b1, b2, b3, .... , bn ) ∈ Rn , el vector suma A + B; es el vector definido por:

A + B = ( a1 + b1 , a2 + b2 , a3 + b3 , .... , an + bn) ∈ Rn

CONDICIÓN: Para que exista la suma vectorial los vectores a sumar deben pertenecer
al mismo espacio.

Sean A y B dos vectores cualquiera en R2, C = A + B es un vector que cierra


el polígono formado por los vectores A y B (figura 1-3) colocados uno a
continuación de otro, el vector B será la diferencia entre los vectores C y A ; esto es
el vector posición entre los puntos C y A .

Entonces dados dos puntos P1 (x1, y1, z1) y P2 (x2, y2, z2) el vector posición entre
estos puntos o vector P1P2 es:

P1P2 = (x2 – x1, y2 – y1, z2 – z1)

→ →
A B

→ → →
C = A+ B
Figura 1-3

Propiedades:

1. A + B = B + A Conmutativa
2. (A + B) + C = A + (B + C) Asociativa
3. A + φ = A Idéntico aditivo
4. A + A’ = φ ; A’ es el vector opuesto de A Cancelativa
1.4 Definiciones Importantes del Álgebra Lineal 7

Ejemplo 1-3 Dados los vectores A = (3, -6, 1) , B = (-1, 10, -5)

Solución: A + B = (3 + (-1), (-6) + 10, 1 + (-5)) = (2, 4, -4) 

PRODUCTO POR UN ESCALAR ( α )

Dado el escalar α ∈ R y el vector A = ( a1 , a2 , a3 , .... , an) ∈ Rn, el producto


por un escalar esta definido por:

αA = ( αa1 , αa2 , αa3 , .... , αan ) ∈ Rn

A’ = ( - 1) A : opuesto de A

Propiedades:

1. α A = Aα Conmutativa
2. α ( β A) = ( αβ )A Asociativa
3. ( α + β )A = α A + β A Distributivas
α(A+B)= αA+ αB
4. 0A = φ Cancelativa

Ejemplo 1-4 Dados los vectores A = (2, 5, -2), B = (-3, -1, 7), encontrar 3A - 2B

Solución: 3A – 2B = 3(2, 5, -2) + (-2)(-3, -1, 7)


3A – 2B = (6, 15, -6) + (6, 2, -14)
3A – 2B = (12, 17, -20) 

1.4 DEFINICIONES IMPORTANTES DEL ÁLGEBRA LINEAL

A pesar de que no es nuestro objetivo estudiar los tópicos del Álgebra Lineal, es
importante que analicemos ciertas definiciones de esta rama de las matemáticas que se
consideran importantes para la mejor asimilación de los conceptos del Cálculo
Vectorial:
8 CAPITULO 1 Vectores en R3

ESPACIO VECTORIAL

Imaginémonos que un club juvenil organiza una fiesta para jóvenes de ambos
sexos entre 18 y 28 años a la cual se le imponen las condiciones de acudir en pareja y
en traje formal, con un poco de esfuerzo podemos notar que en este ejemplo hay un
conjunto que son los jóvenes de ambos sexos entre 18 y 28 años, y dos condiciones: el
tener que acudir en pareja y vestir traje formal; como podemos ver esta estructura de un
conjunto y dos condiciones definen esta fiesta juvenil.

De igual forma se define un espacio vectorial A; como un conjunto de objetos


que se los llama vectores, aunque en algunos casos pueden ser matrices o funciones, y
dos condiciones que son:

Una operación denotada con + que para cada par de vectores V1, V2 en el
espacio A asocia otro vector V1 + V2 que también pertenece al espacio A, llamado suma.

Una operación llamada multiplicación por un escalar, que para cada escalar α
perteneciente a R y cada vector V perteneciente al espacio A asocia un vector α V que
también pertenece al espacio A.

La estructura algebraica {V ,+, α } define un espacio vectorial.

elementos
} 
 V ; + ; α
 1424 3
condiciones 

SUBESPACIO VECTORIAL

Es todo subconjunto de un espacio vectorial que cumple con las mismas


condiciones de suma y multiplicación por un escalar.

COMBINACIÓN LINEAL

Sean (V1 , V2 , V3 ,...........,Vn ) ∈ R


n
∧ (α1 , α 2 , α 3 ,...,α n ) ∈ R , cualquier
adición de la forma α 1V1 + α 2V2 + α 3V3 + .... + α nVn se llama combinación
n
lineal de los n vectores en R .
1.4 Definiciones Importantes del Álgebra Lineal 9

Ejemplo 1-5 Escribir (-3, 5, -5) como combinación lineal de los vectores
(-1, 1, 0), (0, 1, -1) y (1, 0, 2)

Solución: Encontremos valores c1, c2, c3 tales que:


(-3, 5, -5) = c1(-1, 1, 0) + c2(0, 1, -1) + c3(1, 0, 2)

de aquí:

-3 = -c1 + c3
5 = c1 + c2
-5 = -c2 + 2c3 ; que da como solución c1 = 2, c2 = 3, c3 = -1

⇒ (-3, 5, -5) 

DEPENDENCIA E INDEPENDENCIA LINEAL

Dada la combinación lineal del vector cero:

φ = α1V1 + α 2V2 + α 3V3 + .... + α nVn

∃ α i ≠ 0 tal que la combinación lineal anterior, del vector cero, se cumpla


Si
⇒ V1 ,V2 ,V3 ,....,Vn son vectores linealmente dependientes.

De lo contrario si la combinación lineal anterior del vector cero solo es posible


∀α i = 0 , entonces se dice que los vectores Vi son linealmente independientes.

Ejemplo 1-6 Demostrar que los vectores (1, 0, 0), (0, 1, 0), (0, 0, 1) son
linealmente independientes.

Solución: (0, 0, 0) = α 1 (1, 0, 0) + α 2 (0, 1, 0) + α 3 (0, 0, 1)


(0, 0, 0) = ( α 1 , 0, 0) + (0, α 2 , 0) + (0, 0, α 3 )
(0,0,0) = ( α 1 , α 2 , α 3 ) 
10 CAPITULO 1 Vectores en R3

BASE DE UN ESPACIO VECTORIAL

Una base de un espacio vectorial la constituye el menor número posible de


vectores linealmente independientes capaz de generar todo el espacio vectorial, los
vectores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) constituyen una base de R3 y se la llama
base canónica de R3, e1 = (1, 0, 0, ……. ,0), e2 = (0, 1, 0, ………., 0), …. en = (0, 0, 0,
……… , 1) constituyen la base canónica de Rn.

Ejemplo 1-7 Demostrar que los vectores i , j , k, constituye una base en R3

Solución: V = (a, b, c ) ∈ R 3

(a, b, c ) = (a,0,0 ) + (0, b,0) + (0,0, c )


(a, b, c ) = a(1,0,0) + b(0,1,0) + c(0,0,1) 
(a, b, c ) = ai + bj + ck

Por lo tanto cualquier vector en R3 puede expresarse como una combinación


lineal de i, j, k así: ⇒ (1,−1,4 ) = i − j + 4k

La mayor cantidad de vectores linealmente independientes que se pueden definir


en un Espacio Vectorial determina la dimensión del espacio.

1.5 PRODUCTO INTERNO, PRODUCTO PUNTO O PRODUCTO


ESCALAR

Conocido como A • B o también 〈 A; B〉

Sean:
A = (a 1 , a 2 , a 3 ,...., a n ) ∈ R n
B = (b 1 , b 2 , b 3 ,...., b n ) ∈ R n
⇒ ( A • B ) = (a 1 b1 + a 2 b 2 + a 3 b 3 ,...., + a n b n ) ∈ R
n
Entonces A • B = ∑a b
i =1
i i
1.5 Producto Interno 11

Propiedades:

a) ( A • B ) = ( B • A) Conmutativa
b) A • (B + C) = ( A • B) + ( A • C) Distributiva de la suma
vectorial
c) A •φ = 0 Cancelativa
2
d) (A • A) = A
e) (A • B ) ≤ A B Desigualdad de Swartz

 Demostración de la propiedad (d ) :

( A • A) = A 2
( A • A ) = (a1a1 + a 2 a 2 + a3 a3 ,...., + a n a n )
( A • A ) = a12 + a 22 + a32 + ... + a n2 = A 2

 Demostración de la propiedad ( e ):

Sea A y B ∈ Rn

( A • B ) ≤ IIAII IIBII
A • B = A × B cos θ
A • B = A × B cos θ
0 ≤ |Cos θ| ≤ 1 por lo tanto ( A • B ) ≤ IIAII IIBII

El lector debe probar demostrar las propiedades a, b, c.

Ejemplo 1-8 Encontrar el producto escalar de los vectores A = (-1, 4, -7) y


B = 2i + 4j - k

Solución: A • B = (-1) x (2) + (4) x (4) + (-7) x (-1) = 21 


12 CAPITULO 1 Vectores en R3

INTERPRETACIÓN GEOMÉTRICA DEL PRODUCTO ESCALAR:

B − A
A
θ
B

Figura 1-4

En la figura 1-4, aplicando la ley del coseno a los lados del triángulo que son las
normas de los vectores, tenemos:

2 2 2
B − A = A + B − 2 A B cos θ

Aplicando la propiedad (d ) del producto escalar:

( B − A ) • ( B − A ) = ( A • A ) + ( B • B ) − 2 IIAII IIBII cos θ

Aplicando la propiedad distributiva

( B • B ) − ( B • A ) − ( A • B ) + ( A • A ) = ( A • A ) + ( B • B ) − 2 A B cos θ

Como el producto escalar es conmutativo

− 2 ( A • B ) = − 2 IIAII IIBII cosθ

A • B = IIAIIIBII cos θ
1.5 Producto Interno 13

APLICACIONES

1. El producto escalar sirve para determinar si dos vectores son ortogonales o no.

Si A ⊥ B ⇒ ( A • B) = 0
i • j = j •i = i•k = k •i = j •k = k • j = 0
i•i = j • j = k •k =1

2. El producto escalar sirve para encontrar el ángulo que forman dos vectores.

 ( A • B) 
θ = cos −1  

 A B 

Escalar
Para encontrar proyecciones:
Vectorial

V
Proyección Vectorial
θ
VD D
VD
Proyección Escalar
Figura 1-5

V V • D D
VD = V cos θ = = V •
V D D


V D = V • D ⇒ Proyección Escalar
14 CAPITULO 1 Vectores en R3

V D = V Dˆ ⇒ Proyección Vectorial

Ejemplo 1-9 Determinar la proyección del vector (1, -3, 7) en la dirección P1P2,
donde P1(2, 3, 4) y P2:(1, 5, -1)

Solución: D = (1 - 2, 5 - 3, -1 - 4) = (-1, 2, -5)

∧ (−1,2,−5)
D=
30

1 42
V D = 1× (−1) + (−3) × 2 + 7 × (−5) =
30 30
42 ( −1,2,−5) ( −42,84,−210)
VD = ⋅ =
30 30 30
VD = ( −57 , 145 ,−7 ) 

COSENOS DIRECTORES DE UN VECTOR EN R3

Si V es un vector cualquiera en el espacio R 3 , entonces, Como se observa en la


figura 1-6

V
Cos α Son los
cosenos
Cos β directores
γ Cos γ del vector V
β
Esto implica que:
α
Figura 1-6 Cos α = (Vˆ • i )
Cos β = (Vˆ • j )
Cos γ = (Vˆ • k )
1.6 Producto Externo 15

Se sugiere al lector demostrar las expresiones de los cosenos directores del vector V.

Ejemplo 1-10 Demostrar que para cualquier vector:


2 2 2
Cos α + Cos β + Cos γ = 1

v
V = (v1 , v 2 , v 3 ) ; Cos α = (V • i ) = v1 ; Cos β = 2

Solución: Sea
|| V || || V ||
v3 ∧ (v , v , v )
Cos γ = ;V = 1 2 3
|| V || || V ||
∧ v v v
V = 1 i+ 2 j+ 3 k
|| v || || v || || v ||
2 2 2
v1 v2 v3 || V || 2
+ + = =1 
|| V || 2 || V || 2 || V || 2 || V || 2

1.6 PRODUCTO EXTERNO, PRODUCTO CRUZ O PRODUCTO


VECTORIAL.

3
Sean A y B dos vectores del espacio R el producto externo, producto cruz o
producto vectorial denotado por A x B , es un vector que tiene como módulo o norma:

|| A x B || = || A || || B || Sen θ

Su dirección es perpendicular al plano formado por los vectores A y B y su


sentido sigue la regla de la mano derecha o del tornillo.

Propiedades:

a) ( A × B ) ≠ (B × A) No es conmutativa
b) ( A × B) × C = A × ( B × C ) Asociativa; siempre que no se
cambie el orden
16 CAPITULO 1 Vectores en R3

c) A × (B + C ) = ( A × B ) + ( A × C ) Distributiva
d) A × φ = 0 Cancelativa
e) Si A es paralelo a B ⇒ ( A × B ) = 0

APLICACIONES:

1. Para encontrar el vector normal a otros dos (aplicación importante)


2. Para hallar el área del paralelogramo que forman 2 vectores.

k
ixj=k j x i = -k
jxk=i k x j = -i
j kxi=j i x k = -j
Figura 1-7
i
i x i = j x j = k x k =0

A = (a1, a2, a3)


B = (b1,b2,b3)
A× B = (a1iˆ + a2 ˆj + a3kˆ) × (b1iˆ + b2 ˆj + b3kˆ)
A× B = a1b1(i ×i) + a1b2 (i × j) + a1b3(i × k) + a2b1( j ×i) + a2b2 ( j × j) + a2b3( j × k) +
a3b1(k ×i) + a3b2 (k × j) + a3b3(k × k)
A× B = a1b2kˆ − a1b3 ˆj − a2b1kˆ + a2b3iˆ + a3b1 ˆj − a3b2iˆ
A× B = (a2b3 − a3b2 )iˆ − (a1b3 − a3b1) ˆj + (a1b2 − a2b1)kˆ

i j k
A × B = a1 a2 a3
b1 b2 b3
1.7 Productos Triples 17

Ejemplo 1-11 Determine el producto vectorial de los vectores A = (1 , 2 , 4); B =


(2 , -1 , -3)

Solución: (1 , 2 , 4) x (2 , -1 , -3)

i j k 

AxB= 1 2 4  = (-2 , 11 , -5) 

2 − 1 − 3

Α x Β  → representa o mide el área del paralelogramo que forman los vectores A;
B , ver figura 1-8

Area = (base) x h
IIBII x IIAII sen θ
A h = IIAII sen θ II A x B II
θ
B

Figura 1-8

1.7 PRODUCTOS TRIPLES

A•BxC → Producto Triple Escalar


AxBxC → Producto Triple Vectorial
A•B•C → No Existe

Considerando las propiedades de los productos escalar y vectorial; existen 6 formas


posibles del triple producto escalar, estas son:

 A• B xC
 A• AxC
 B •AxC
 B •CxA
 C •AxB
 C•BxA
18 CAPITULO 1 Vectores en R3

Probemos que cualquiera de estos triples productos escalares es un determinante; por


ejemplo el producto (A • B x C)

A = (a1 , a2 , a3 ) B = (b1 , b2 , b3 ) C = (c1 , c2 , c3 )

(B × C) = (b2c3 − b3c2 )iˆ − (b1c3 + b3c1 ) ˆj + (b1c2 − b2c1 )kˆ


A • (B × C) = (b2c3 − b3c2 )a1 − (b1c3 + b3c1 )a2 + (b1c2 − b2c1 )a3
a1 a2 a3
A • (B × C) = b1 b2 b3
c1 c2 c3

• Si cambiamos el orden lo único que ocurre es que se permutan dos filas del
determinante y este cambia de signo.

∴ A x B • C  no cambia en todas las formas posibles, y representa el


volumen del paralelepípedo formado por los 3 vectores

A h =|| A||Cosθ
Vol. = (area base) × h
θh
BxC θ C area base=|| B ×C ||
Vol. =|| B×C || || A|| Cosθ
Vol. =| A • (B×C) = (B × C) • A
B
Figura 1-9

EJERCICIOS

Para los primeros diez problemas usar los vectores en R3: A = 3i+ 4j; B = 2i + 2j – k;
C = 3i+ 4k

1. Encontrar IIAII, IIBII, IICII

2. A + B; A – C; 2A + 3B - 5C
Ejercicios Capítulo 1 19

3. IIA + B – CII

4. ¿Con qué valores de α es II α BII = 1?

5. Obtenga los vectores unitarios que tengan la misma dirección de A, B y C

6. Tomando A y C como vectores posición de los puntos respectivos,


grafique dichos puntos y compruebe gráficamente el vector suma A + C

7. Determine el ángulo que forman los vectores A con B; A con C y B con C

8. Encuentre las proyecciones escalares y vectoriales de B sobre A y C

9. Encuentre los cosenos directores de A, B y C

10. Calcule el área del paralelogramo formado por los vectores B y C y el


volumen del paralelepípedo formado por A, B y C

11. Determine todos los vectores unitarios perpendiculares al plano “XZ”

12. Escriba el vector P1P2 como combinación lineal de los vectores i, j, k; si


P1 : (3,4,7); P2 : (4,-1,6)

13. Sean: V1 = i + j + k, V2 = i + j - k y V3 = i – j. Determine los escalares s,


t, y r; tales que 4i + 6j – k = sV1 + tV2 + rV3

14. ¿Cuáles son los cosenos directores del vector 2i – 2j + k?

15. Demuestre la identidad cos2∝ + cos2β + cos2 γ = 1

16. Dado los vectores A = 2i + 4j + 6k; B = (1,-3,2), encontrar un vector


perpendicular unitario a estos dos.

17. Dados los vectores A, B, C en ℜ3 , indicar cuál de las siguientes es falsa:

a) A+ B ≤ A + B
b) A• B ≤ A B
c) (B • C )A = B(C • A)
d) A + B / 2 es el área del triángulo formado por A,B.
e) A • (B × C ) = B • (C × A) = C ( A • B )
20 CAPITULO 1 Vectores en R3

18. Hallar el ángulo formado por la diagonal principal de un


cubo y una de sus caras.

19. Calcule el área del triangulo que tiene sus vértices en los puntos
(− 3,2,4) ; (2,1,7 ) ; (4,2,6).
20. Encuentre un vector de componentes positivas, magnitud
2 y ángulos directores iguales.

21. Si la proyección vectorial de un vector A en la dirección de un vector


unitario e es 4e , y la proyección vectorial de B en la dirección de e es 5e.
¿Cuál es? :

a) La componente escalar de A sobre e.


b) La proyección vectorial de A - B sobre e.
c) La componente escalar de A + B sobre e.

22. Averiguar si los vectores (1,0); (0,1); (1,-1) son o no linealmente


independientes.

23. Averiguar si los vectores (1, -1, 0); (0, 1, 1); (3, -5, -2) constituyen o no
una base de R3.

24. Averiguar si los vectores (1, 0, 1); (-1, 2, 3); (0, 1, -1) constituyen o no
una base en R3 .

25. Demuestre que, generalmente, tres vectores en R2 son siempre


linealmente dependientes.

26. Demuestre que cualquier conjunto de vectores que contenga al vector φ


es linealmente dependiente.
CAPITULO 2
_____________________________

“Espero que la posteridad me juzgue con


benevolencia, no solo por las cosas que he
explicado, sino también por aquellas que he
omitido intencionadamente, para dejar a los
demás el placer de descubrirlas”

René Descartes.

GEOMETRÍA ANALÍTICA DEL ESPACIO

2.1 Ecuación del plano en R3.


2.2 Distancia de un punto a un plano.
2.3 Formas de expresar la recta en R3.
2.4 Rectas y planos en R3.
2.5 Distancia de un punto a una recta.
2.6 Funciones de varias variables.
2.7 Superficies cuadráticas en R3.
2.8 Coordenadas cilíndricas y esféricas.
2.1 ECUACIÓN DEL PLANO EN R3

Como podemos apreciar en la figura 2-1, toda superficie plana tiene como
característica común su vector normal; por cuanto este es constante sobre todo el plano
π (las superficies que no sean planas no tienen un vector normal constante),
aprovechando esta característica, supongamos que el plano π tiene como vector
normal: N : (a, b, c) y contiene al punto P0 : (x0, y0, z0). El punto P : (x, y, z) representa
un punto cualquier del plano π ; entonces:

N: (a,b,c)

.P(x, y, z)
V

P0(x0, y0, z0)

Figura 2 -1

V = (x-x0, y-y0, z-z0)

Como V pertenece a π , es perpendicular a N ⇒ V• N = 0

V • N = a(x-x0) + b(y-y0) + c(z-z0) = 0

ax + by + cz + d = 0; donde

d = -ax0 – by0 – cz0

ax + by + cz + d = 0 ⇒ Ecuación del plano π en R3.


2.1 Ecuación del plano en R3 23

Donde: a, b, c son las coordenadas del vector normal y d se puede calcular


remplazando en la ecuación del plano el punto P0.

Recordemos que para encontrar la ecuación matemática de los puntos que


pertenece a un plano, se utiliza como referencia el vector normal al plano. Todo plano
tiene dos vectores normales, como lo indica la figura 2-2:

π
Para efecto de encontrar la
ecuación del plano nos
podemos referir a cualquiera
de estos vectores normales
indistintamente

Figura 2-2

Un plano está definido por:

a) Su vector normal y un punto del plano


b) Tres puntos no alineados
c) Una recta y un punto fuera de ella
d) Dos rectas que se corten
e) Dos rectas paralelas no alabeadas

Caso (a):

Ejemplo 2-1 Encontrar la ecuación del plano perpendicular al vector 2i – j + 4k


y que contiene al punto (1, -1, 2).

Solución: N : (2, -1, 4)

Entonces:

2x – y + 4z + d = 0
2(1) – (-1) + 4(2) + d = 0
d = -11

2x – y + 4z = 11, es la ecuación del plano 


2.1 Ecuación del plano en R3 24

Caso (b):

Ejemplo 2-2 Encontrar la ecuación del plano que contiene a los puntos:
(2, 2, -3); (3, -1, 4); (-2, 5, 3)

Solución: Sin importarnos que la ubicación de los puntos no sea la correcta,


razonemos este ejercicio con la ayuda de la figura 2-3

N
π
.P
3

V2

.P V1
2
P1

Figura 2 -3

P1 : (2, 2, -3)
P2 : (3, -1, 4) i j k
P3 : (-2, 5, 3)
N = 1 − 3 7 = (−39,−34,−9)
V1 : (1, -3, 7) −4 3 6
V2 : (-4, 3, 6)
2.2 Distancia de un punto al plano 25

− 39 x − 34 y − 9 z + d = 0
− 39( 2) − 34( 2) − 9( −3) + d = 0

⇒ d = 119
− 39 x − 34 y − 9 z + 119 = 0
39 x + 34 y + 9 z = 119

Los casos c, d y e los revisaremos una vez que estudiemos la ecuación de la


recta en R3, sección 2-4

2-2 DISTANCIA DE UN PUNTO A UN PLANO

Sea “dis” la distancia de un punto cualquiera a un plano; si el punto no


pertenece al plano dis > 0, si el punto pertenece al plano dis = 0, para efecto del análisis
que vamos hacer supongamos que el punto no pertenece al plano; entonces:

dis > 0 ⇒ Po ∉ π
P0 ( x 0 , y 0 , z 0 ) ∉ π , en la figura 2-4 podemos ver el razonamiento de este
procedimiento:

P0: (x0, y0, z0)


“dis”
V N

P: (x, y,z)
Y

X
Figura 2-4
2.2 Distancia de un punto al plano 26

dis: Proyección escalar de V sobre N


Dado el plano ax + by + cz + d = 0 y el punto P0 = (x0, y0, z0)

V : ( x o − x, y o − y , z o − z )
N : (a, b, c)

( a , b, c )
Nˆ =
a2 + b2 + c2

( a , b, c )
dis = ( x o − x, y o − y , z o − z ) •
a + b2 + c2
2

1
dis = a ( xo − x) + b( y o − y ) + c( z o − z )
a + b2 + c2
2

a ( x o ) − ax + b ( y o ) − by + c ( z o ) − cz
dis =
a2 + b2 + c2

| axo + by o + cz o + d |
dis =
a2 + b2 + c2

Ejemplo 2-3 Encontrar la distancia del punto P0 : (-1, 2, -4) al plano que
contiene a los puntos (2, -2, 4); (1, 1, 1); (-2, 3, 1)

Solución: Encontremos primero la ecuación del plano; V1, V2 son vectores


del plano y N es su vector normal

V1 = (1,1,1) − (2,−2,4) = (−1,3,−3)


V2 = (−2,3,1) − (2,−2,4) = (−4,5,−3)
i j k
N = −1 3 − 3 = ( 6 ,9 , 7 )
−4 5 −3
2.3 Formas de expresar la recta en R3 27

6x + 9 y + 7 z + d = 0
6 + 9 + 7 + d = 0 ⇒ d = −22
6 x + 9 y + 7 z − 22 = 0

Analicemos si P0 pertenece o no al plano.

6(−1) + 9(2) + 7(−4) − 22 = 0


− 6 + 18 − 28 − 22 ≠ 0
P0 ∉ al plano; d > 0.

Encontremos un vector V, que une un punto del plano con P0.

V = (−1,2,−4) − (1,1,1) = (−2,1,−5)


dis = V • Nˆ

Nˆ =
(6,9,7 ) 
166
1
d= (− 2,1,−5) • (6,9,7 )
166
1 38
d= − 12 + 9 − 35 =
166 166

2-3 FORMAS DE EXPRESAR LA RECTA EN R3


Z

V1 l
P1(x1, y1, z1)
P2(x2, y2, z2)
P (x, y, z)
V2
Y

Figura 2-5
X
2.3 Formas de expresar la recta en R3 28

Para definir una recta en R3 se requiere como mínimo de dos ecuaciones


lineales; por cuanto una recta en el espacio es la intersección de dos planos, entonces
las condiciones mínimas para definirla son:

1. Dos planos que se corten


2. Dos puntos
3. Vector directriz y un punto

Partamos del hecho que dos puntos definen una recta en R3, En la figura 2-5
podemos ver que V1 es el vector P1P2, V2 es el vector P1P, que son paralelos por estar
sobre la misma recta l y P es un punto cualquiera de la recta l.

P∈l
V1 = (x2-x1, y2-y1, z2-z1)
V2 = (x-x1, y-y1, z-z1)
V1 // V2

 x 2 − x1 = t ( x − x1 )

Si V1 // V2 ⇒  y 2 − y1 = t ( y − y1 )
 z − z = t (z − z )
 2 1 1

x 2 − x1 
t= 
x − x1 
y − y1  x 2 − x1 y 2 − y1 z 2 − z1
t= 2 ⇒ = =
y − y1  x − x1 y − y1 z − z1
z − z1 
t= 2 
z − z1 

x − x1 y − y1 z − z1
= =
x2 − x1 y 2 − y1 z 2 − z1

Forma general de las ecuaciones de la recta en R3.

V1: Se conoce como vector directriz de la recta l, se lo simboliza con la letra D.


D = (a, b, c)
2.3 Formas de expresar la recta en R3 29

x − x1 y − y1 z − z1
⇒ = =
a b c
 Ecuación de la recta cuando se conoce el vector directriz y un punto de ella.

x 2 − x1
= t ⇒ x = at + x1
a
y 2 − y1
= t ⇒ y = bt + y1
b
z 2 − z1
= t ⇒ z = ct + z1
c

 Forma Paramétrica de la ecuación de la recta en R3

La recta en R3 también puede estar dada por la intersección de dos planos

 a x + b1 y + z1c + d1 = 0
l: 1
a2 x + b2 y + z 2 c + d 2 = 0

 Forma de las ecuaciones de la recta como la intersección de dos planos.

En la figura 2-6 hacemos la siguiente interpretación geométrica

l
P (x, y, z)
D P1(x1, y1, z1)
A
V
tD

X Figura 2-6
2.3 Formas de expresar la recta en R3 30

D: vector directriz de la recta


V: vector posición de un punto cualquiera de la recta
A: vector posición de un punto fijo de l
En el paralelogramo de la figura 2-6:

V = A + tD
( x, y, z ) = ( x1 , y1 , z1 ) + t (a, b, c)

 Forma vectorial de la ecuación de la recta, que si el lector lo analiza


detenidamente es la misma forma paramétrica descrita anteriormente.

Ejemplo 2-4 Encontrar la ecuación de la recta que pasa por los puntos (1,-1,2);
(2,3,-4)

Solución: Vector directriz: D = (2,3,−4) − (1,−1,2) = (1,4,−6)

Tomando el punto (1,-1,2), tenemos:

x −1 y +1 z − 2
⇒ = =
1 4 −6

En forma paramétrica:

x −1
=t
1  x = t +1
y +1 
=t ⇒  y = 4t − 1
4  z = −6t + 2
z−2 
=t
−6
Como un sistema de dos ecuaciones:

x −1 y +1
=
1 4 ⇒ 4 x − y = 5
x −1 z − 2 
= 6 x + z = 8
1 −6
2.3 Formas de expresar la recta en R3 31

En forma vectorial:

( x, y, z ) = (1,−1,2) + t (1,4,−6)

( x, y, z ) = (1 + t ,−1 + 4t ,2 − 6t )

 3x + y − z = 3
Ejemplo 2-5 Dada la recta  , encontrar la forma general,
2 x − 3 y + 5 z = −2
paramétrica y vectorial de la misma.

Solución: El razonamiento lo podemos observar en la figura 2-7, donde,


independientemente de si son o no los planos dados, vemos como
el producto vectorial de los vectores normales de cada plano N1, N2
da el vector directriz D de la recta.

l
π2
π1

D
N2
N1

Figura 2-7
2.3 Formas de expresar la recta en R3 32

Sea π 1 el primer plano con N1 como su vector normal y π2 el


segundo plano con N2 como su vector normal; entonces:

D = N1 × N 2
i j k
D= 3 1 − 1 = i (5 − 3) − j (15 + 2) + k (−9 − 2)
2 −3 5
D = 2i − 17 j − 11k

Ahora necesitamos un punto de la recta y este lo podemos obtener


haciendo Z = 0 y resolviendo el sistema para las otras variables:

 3x + y = 3 x = 117
 ⇒
 2 x − 3 y = −2 y = 12
11

x − 117 y − 12
11 z
= =
2 − 17 − 11

 x = 2t + 117

 y = −17t + 11 Forma paramétrica
12

 z = −11t

2-4 RECTAS Y PLANOS EN R3

Los planos en R3 pueden ser paralelos a los planos coordenados o paralelos a los
ejes coordenados, veamos como se observa este efecto en la ecuación del plano. La
figura 2-8 indica tanto el paralelismo con respecto al plano " xy" ; z = k (caso a)
como el paralelismo con respecto al eje " x" ; by + cz + d = 0 (caso b).

Viendo esta figura podemos concluir:

a=0 ⇒ indica paralelismo con respecto al “eje x”, figura 2-8 (b)
b=0 ⇒ indica paralelismo con respecto al “eje y”
c=0 ⇒ indica paralelismo con respecto al “eje z”
2.4 Rectas y plano en R3 33

a)

Z=K

X Z

b)

by + cz + d=0
Y

X Figura 2-8

La coordenada del vector normal que es cero indica la naturaleza del eje
coordenado al cual el plano es paralelo.

De igual forma podemos comprender que:

a = 0, b = 0 ⇒ indica paralelismo con respecto al plano “xy”, figura 2-8 (a)


a = 0, c = 0 ⇒ indica paralelismo con respecto al plano “xz”
b = 0, c = 0 ⇒ indica paralelismo con respecto al plano “yz”
2.4 Rectas y plano en R3 34

Las coordenadas del vector normal que son cero indican la naturaleza del plano
coordenado al cual el plano es paralelo.

De igual forma la recta en R3 puede ser paralela a los planos o a los ejes
coordenados; veamos en la figura 2-9 este efecto sobre las ecuaciones de la recta.

Z
a )
l

X
Z

b)

l
Y

Figura 2-9
X
2.4 Rectas y plano en R3 35

Viendo este gráfico, el caso (a) representa paralelismo con respecto al “eje x” y
el caso (b) representa paralelismo con respecto al plano “xy”; para el caso (a) como la
recta es paralela al eje x el vector directriz es el vector ai ; o a(1, 0, 0), esto no permite
expresar las ecuaciones de la recta en forma general por cuanto tendríamos división
para cero en el segundo y tercer término. En forma paramétrica la recta estará dada por:

 x = at + x0

 y = y0
 z=z
 0

De igual forma en el caso (b) el vector directriz es de la forma ai + bj , esto


también no permite expresar esta recta en forma general por tener división para cero en
su tercer término. En forma paramétrica la recta estará dada por:

 x = at + x0

 y = bt + y 0
 z=z
 0

Esta observación nos permite hacer la siguiente conclusión:

a=0 ⇒ indica paralelismo con respecto al plano “yz”


b=0 ⇒ indica paralelismo con respecto al plano “xz”
c=0 ⇒ indica paralelismo con respecto al plano “xy”
Las coordenadas del vector directriz que no son cero indican la naturaleza del
plano coordenado al cual la recta es paralela.

De igual forma podemos comprender que:

a = 0, b = 0 ⇒ indica paralelismo con respecto al eje “z”


a = 0, c = 0 ⇒ indica paralelismo con respecto al eje “y”
b = 0, c = 0 ⇒ indica paralelismo con respecto al eje “x”
La coordenada del vector directriz que no es cero indica la naturaleza del eje
coordenado al cual la recta es paralela.

A más de esto también las rectas en R3 pueden ser concurrentes o paralelas y en


caso de paralelas pueden ser superpuestas, paralelas propiamente dichas o alabeadas, la
figura 2-10 indica cada uno de estos casos.
2.4 Rectas y plano en R3 36

Z
Z
l2 b)
a)
l1 l2
l1

Y
Y

X X

Z
Z
c) l2 d)
l1
l1

Y
Y
l2

X X

Figura 2-10

El caso (a) indica dos rectas concurrentes, tienen un punto en común (se cortan),
el caso (b) indica dos rectas coincidentes o superpuestas, el caso (c) indica dos rectas
paralelas tienen sus vectores directrices paralelos y el caso (d) indica dos rectas
alabeadas, como se puede apreciar en la figura 2-10, pertenecen a planos paralelos y a
pesar de que sus vectores directrices no son paralelos ellas no tienen un punto en
común y jamás se cortan.

Ejemplo 2-6 Dadas las rectas:

 2x − y + 3 = 0  x+ y−2 =0
l1 =  l2 = 
x − 5 y − z + 1 = 0 3 x − 9 y + 3 z + 55 = 0
Probar si son o no concurrentes, si lo son encontrar su punto
común y su ángulo agudo de intersección.
2.4 Rectas y plano en R3 37

Solución: Armemos un sistema de ecuaciones con los 2 planos de la recta l1 y


un plano de la recta l2:

 2 x − y = −3 x = −31

 x − 5 y − z = −1 ⇒ y = 3
7

 x+ y =2 z = −11

Si las rectas son concurrentes este punto debe satisfacer la cuarta
ecuación:

3( −31 ) − 9( 73 ) + 3(−11) = −55

Como si satisface, entonces las rectas son concurrentes y el punto


calculado anteriormente es su punto de intersección.

Ahora calculemos el ángulo agudo de intersección.


Encontremos sus vectores directrices:

i j k
D1 = 2 − 1 0 = (1,2,−9)
1 − 5 −1

i j k
D2 = 1 1 0 = (3,−3,−12)
3 −9 3

D1 • D2 = D1 D2 cos θ

D1 • D2 (1,2,−9) • (3,−3,−12) 105 35


cos θ = = = =
D1 D2 86 162 18 43 6 43

 35 
θ = cos −1   = 27.2 o 
 6 43 
2.4 Rectas y plano en R3 38

Ejemplo 2-7 Encontrar el ángulo de intersección de dos planos

π 1 : a1 x + b1 y + c1 z + d1 = 0
π 2 : a 2 x + b2 y + c 2 z + d 2 = 0

Solución: θ de π1 ,π 2 = θ entre sus vectores normales; N1, N2.

N1 = (a1, b1, c1)


N2 = (a2, b2, c2)

N 1 • N 2 = N 1 N 2 cos θ

 N1 • N 2 
θ = cos −1  


N N
 1 2 

Ahora estamos en condiciones de analizar los casos c, d y e que quedaron


pendientes en la sección 2-1.

Caso c:

Ejemplo 2-8 Encontrar la ecuación del plano que contiene a la recta


x + y − z = 2
 y al punto P0 (1,−1,3)
2 x − y + 4 z = 5
Solución: La figura 2-11 indica el razonamiento de este caso:

Encontremos el punto P que es un punto cualquiera de la recta;


x+ y =2 x = 73
Para z = 0 resolvemos el sistema:  ⇒
2 x − y = 5 y = −31
Entonces P es el punto ( 73 , −31 ,0)


V = PP0 = ( −34 , 23 ,−3)

El vector directriz de la recta es:


2.4 Rectas y plano en R3 39

N
π
l π
P
D
V
P0

Figura 2-11

i j k
D = 1 1 − 1 = (3,−6,−3)
2 −1 4

i j k
−4 2
N= 3 − 3 = (−20,−13,6)
3

3 −6 −3

Entonces la ecuación del plano es de la forma:

ax + by + cz + d = 0
− 20 x − 13 y + 6 z + d = 0
− 20( 73 ) − 13( −31 ) + d = 0 ⇒ d = 127
3

− 20 x − 13 y + 6 z + 127
3 = 0

60 x + 39 y − 18 z = 127 
2.4 Rectas y plano en R3 40

Caso d:

Ejemplo 2-9 Encontrar la ecuación del plano que contiene a las rectas:
 x = 2t + 1  x = 5t + 1
 
l1 y = t −1 l2  y = 2t − 1
 z = 3t + 2 z = t + 2
 

Solución: En la figura 2-12 veamos el razonamiento de este caso:

π
l2
N
D2
l1
P D1

Figura 2-12

El punto P, común a las rectas, lo calculamos para un valor del


parámetro de 0:

t = 0 ⇒ x = 1, y = −1, z = 2

Como se puede apreciar es un punto común a las dos rectas;


entonces:

Dˆ 1 = (2 ,1, 3) P : (1,−1, 2 ) Dˆ 2 = (5 , 2 ,1)

i j k
N = 2 1 3 = (− 5 ,13 , − 1)
5 2 1
2.4 Rectas y plano en R3 41

La ecuación del plano es:

ax + by + cz + d = 0
− 5 x + 13 y − 1 z + d = 0
− 5 (1 ) + 13 ( − 1 ) − ( 2 ) + d = 0 ⇒ d = 20

5 x − 13 y + z = 20


Caso e:

Ejemplo 2-10 Encontrar la ecuación del plano que contiene a las rectas:

 x = 2t − 1  x = 4t − 2
 
l1  y = 4t + 2 l2  y = 8t + 1
z = t − 3  z = 2t − 2
 

Solución: En la figura 2-13 veamos el razonamiento de este caso:

π
N l1
D1
P1
l2
V
P2

Figura 2-13
2.4 Rectas y plano en R3 42

En l1 para t = 0P1 = (−1,2 − 3) ; y en l2 también para t = 0,


P2 = (−2,1,−2) ; D1 = (2,4,1)

V = (−1,−1,1)
i j k
N = − 1 − 1 1 = (−5,3,−2)
2 4 1

La ecuación del plano es:

ax + by + cz + d = 0
− 5x + 3 y − 2z + d = 0
− 5(−1) + 3(2) − 2(−3) + d = 0 ⇒ d = −17

5 x − 3 y + 2 z = −17 

2-5 DISTANCIA DE UN PUNTO A UNA RECTA Y ENTRE RECTAS

Sea l una recta cualquiera en R3 y P0 un punto exterior a ella, la distancia del


punto P0 a l es el segmento de perpendicular a la recta, en el plano que contiene al
punto y a l, que separa al punto de la recta. La figura 2-14 nos permite razonar la forma
de encontrar esta distancia:
Z
P0(x0, y0, z0)

V “dis”

N’ l
D

P (x, y, z)
Y

Figura 2-14
X
2.5 Distancia de un punto a una recta y entre rectas 43

N’ es ⊥ a l y debe pertenecer al plano que contiene a P0 y l.

Hay dos formas para encontrar esta distancia. Sin usar ninguna fórmula veamos
en el ejemplo 2-11 el razonamiento de cada uno de estos métodos:

Ejemplo 2-11 Encontrar la distancia del punto P0 : (-1, 2, -3) a la recta


2x − y + z = 1
l=
x − y − 2z = 2
Solución: En la figura 2-14 podemos entender el razonamiento de las dos
formas que expondremos para encontrar esta distancia.

FORMA VECTORIAL

 Primero averigüemos si el punto pertenece a la recta o no;


si perteneciera a l la distancia es cero:

P0 ∉ l ⇒ d > 0

Encontremos el punto de la recta P; para z = 1 resolvamos el


sistema de las ecuaciones de la recta:
z =1
2 x − y = 0 x = −4
 ⇒
 x− y = 4 y = −8
p : (−4,−8,1)
V = (−1,2,−3) − (-4,-8,1) = (3,10,−4)

Encontremos el vector directriz de la recta:

N 1 : (2,−1,1)
N 2 : (1,−1,−2)
i j k
D : N 1 × N 2 = 2 − 1 1 = (3,5,−1)
1 −1 − 2
2.5 Distancia de un punto a una recta y entre rectas 44

N’ es el triple producto vectorial entre V, D y D; así:

N ' = (D × V ) × D
i j k
D ×V = 3 5 − 1 = (−10,9,15)
3 10 − 4
i j k
N ' = − 10 9 15 = (−84,35,−77)
3 5 −1

dis = V • Nˆ '
1
dis = (3,10,−4) • (− 84,35,−77 )
119.21
1 406
dis = − 252 + 350 + 308 = 119 .21 = 3.41
119.21
⇒ dis = 3.41

FORMA ESCALAR

VD : Proyección de V sobre D

V D = V • Dˆ = 1
35
(3,10,−4) • (3,5 − 1) = 63
35

2
dis = V − V D2 = 125 − 3969
35 = 3.41 

La distancia entre dos rectas paralelas o alabeadas es el segmento de


perpendicular a las dos rectas que las separa.

Ejemplo 2-12 Encontrar la distancia entre las rectas:


x=t
 x+ y−z = 2 
l1 =  l 2 =  y = 1 − 2t
− x + 3 y − 2 z = 1  z = 3t + 4

2.5 Distancia de un punto a una recta y entre rectas 45

Solución: Primero debemos comprobar que las rectas no sean concurrentes;


para eso, la forma paramétrica de l2 debe satisfacer las ecuaciones
de l1:

(t ) + (1 − 2t ) − (3t + 4) = 2 ⇒ t = −4
5

− (t ) + 3(1 − 2t ) − 2(3t + 4) = 1 ⇒ t = −6
13

Las rectas no tienen punto común y pueden ser paralelas o


alabeadas dependiendo de sus vectores directrices. Ahora
encontremos los vectores directrices de las rectas:

i j k
D1 = 1 1 − 1 = (1,3,4 )
−1 3 − 2
D2 = (1,−2,3)

Como los vectores directrices no son paralelos, las rectas son


alabeadas, para encontrar la distancia entre ellas fijemos un punto
P1 de l1 y un punto P2 de l2, con estos puntos tenemos el vector V
que une dos puntos cualquiera de las rectas, la distancia (“dis”)
será la proyección de este vector sobre el normal a las dos rectas
N’:

N ' = D1 × D2
i j k
N '= 1 3 4 = (17,1,−5)
1 −2 3

P1 : ( 54 , 3
4
,0 )
P 2 : (0 ,1 , 4 )
V : ( − 5
4
, 1
4
,4 )
dis = V • N̂ '
2.5 Distancia de un punto a una recta y entre rectas 46

1
dis = 315
( −45 , 14 ,4) • (17,1,−5)
41

dis = 315
= 2.31

2-6 FUNCIONES DE VARIAS VARIABLES

Una función de varias variables es de la forma f ( x) : R n → R m , donde:


R n : Es el espacio dominio de f.
R m : Es el espacio rango o Imagen de f.

x = ( x1 , x 2 ,............, x n ) ∈ R n , es un vector del dominio de f, y:


f ( x) = ( f1 ( x), f 2 ( x),............., f m ( x)) ∈ R m , es un vector del rango de f.

Las funciones de varias variables se pueden clasificar en dos grandes grupos:


funciones escalares y funciones vectoriales de acuerdo a la dimensión del rango;
cuando m = 1 se trata de funciones escalares o campos escalares de la forma
f ( x) : R n → R , cuando m > 1 se trata de funciones vectoriales o campos
n m
vectoriales de la forma F ( x ) : R → R . De igual forma cada una de estos grupos
se pueden subdividir en dos mas, en cada caso, de acuerdo a la dimensión del dominio;
funciones escalares de variable escalar que son las funciones de variable real que se
estudiaron en el cálculo básico de una dimensión que son de la forma f ( x ) : R → R
, funciones escalares de variable vectorial que genéricamente son las superficies en el
espacio y son a las que nos dedicaremos de una forma prioritaria en este texto, son de la
forma f ( x) : R n → R , las más comunes de estas son las superficies en R3 que son
2
de la forma z = f ( x, y ) : R → R . En el otro grupo tenemos las funciones
vectoriales de variable escalar que constituyen todas las curvas o trayectorias en el
m
espacio, son de la forma σ (t ) : R → R , seria importante que entendiera el lector
que las curvas planas expresadas en forma paramétrica son de este grupo, pues, serían
de la forma σ (t ) = ( x(t ), y (t )) : R → R 2 , las mas comunes de estas son las curvas
3
en el espacio que son de la forma σ (t ) = ( x (t ), y (t ), z (t )) : R → R , y finalmente
las funciones vectoriales de variable vectorial que son de la forma general expresada al
inicio de esta sección, en
2.6 Funciones de varias Variables 47

este grupo las más comunes para los fines de este texto son las superficies en el espacio
tridimensional que son de la forma:

φ (u, v) = ( x(u, v), y (u, v), z (u, v)) : R 2 → R 3

De igual forma sería importante que el lector entendiera que a este grupo
pertenecen las superficies z = f ( x, y ) expresadas en forma paramétrica.

El siguiente cuadro resume todo lo dicho sobre esta clasificación de las


funciones de varias variables.

CON RESPECTO A LA CON RESPECTO A LA


DIMENSIÓN DEL DIMENSIÓN DEL
RANGO DOMINIO

 DE VARIABLE ESCALAR
R R
( Funciones de variable Real )
 ESCALARES
(Campos escalares)  DE VARIABLE VECTORIAL
Rn R Rn R
n>1
(Superficies en el espacio)
FUNCIONES
DE VARIAS
VARIABLES  DE VARIABLE ESCALAR
Rn Rn R Rm
(Trayectorias o curvas en el
 VECTORIALES espacio)
(Campos vectoriales)
Rn Rm  DE VARIABLE VECTORIAL
m>1 Rn Rm
n>1

Podemos citar algunos ejemplos de todos estos tipos de funciones:

 Una función de una variable es la relación entre dos magnitudes; por ejemplo
el espacio y el tiempo f : D ⊂ R → R ; f : t → s ; s → f (t ) , la gráfica de una
función de una variable es una curva en el plano, figura 2-15. Hay que tomar en cuenta
que, para que una relación de una variable sea una función debe existir una relación
uno a uno, el gráfico de una función no puede tener dos puntos en una misma vertical,
esto hace que una circunferencia no sea una función; pero si la separamos en dos, la
2.6 Funciones de varias Variables 48

semicircunferencia superior y la semicircunferencia inferior, estas si son funciones,


Y como lo podemos apreciar en
la figura 2-16 para la
y = f(x) 2 2
circunferencia x + y = 4 .

 Los campos escalares


representan superficies en el
espacio y podemos verlas hasta
X las que se puedan graficar en el
espacio tridimensional por la
capacidad de nuestros sentidos,
un ejemplo de estas es el área
de un rectángulo en función de
Figura 2-15 la base y la altura,
a = f (b, h) , es de la forma
( x, y ) → z , z = f ( x, y ) , f : U ⊂ R 2 → R , el volumen de un paralelepípedo en
función de sus tres dimensiones x, y, z, V = f ( x, y , z ) , es de la forma
( x, y, z ) → w , w = f ( x, y, z ) , f : U ⊂ R 3 → R , una función de costos en una
fábrica donde se producen 5 productos distintos el costo total será dependiente de los
costos de producción de cada uno de los 5 productos que se fabrican y de los costos
fijos CF; CT = C v1Q1 + C v 2 Q2 + C v 3 Q3 + C v 4 Q4 + C v 5 Q5 + CF , es de la forma
CT = f (Q1 , Q2 , Q3 , Q4 , Q5 ) , f : U ⊂ R 5 → R .
Y

2
x2 + y2 = 4
1
X
-2 -1- 1 2

Y Y

2 y = 4 − x2
1
X X
- -
-1 1 2
- - 1 2

-2 -
y = − 4 − x2
Figura 2-16
2.7 Superficies Cuadráticas en R3 49

 Las funciones vectoriales de variable escalar representan trayectorias o curvas


en el espacio y también podemos apreciar su gráfico hasta las que se pueden graficar en
R3, un ejemplo de estas es la parametrización de una parábola σ (t ) = (t , t 2 ) ,
F : D ⊂ R → R 2 , su gráfico es el de la parábola y = x 2 en R2, la trayectoria de un
proyectil en el espacio t → ( x (t ), y (t ), z (t )) , F : D ⊂ R → R 3 , su gráfico es una
curva en R3, como lo indica la figura 2-17.

Z
σ(t) = ( x(t), y(t), z(t))  Las funciones
vectoriales de variable
vectorial son funciones
más abstractas y son
difíciles de obtener su
gráfico, solo debemos
Y imaginarnos la relación
que representan cuando
su rango esta en
dimensión mayor a R3,
un ejemplo de estas es
Figura 2-17 una función que
X determine la velocidad
de las partículas en el
interior de un fluido, F ( x, y , z ) = (v1 ( x, y, z ), v 2 ( x, y, z ), v3 ( x, y, z )) ,
F : U ⊂ R 3 → R 3 . En este grupo están las superficies parametrizadas y estas son
las mismas superficies de las que se hablo en los campos escalares solo que expresadas
en forma paramétrica estas son de la forma φ (u , v ) = ( x (u , v ), y (u , v ), z (u , v ))
F : D ⊂ R 2 → R 3 , el gráfico de estas son superficies en R3, en el capítulo 8 las
estudiaremos con más detenimiento.

2.7 SUPERFICIES CUADRATICAS EN R3

Como hemos dicho en la sección anterior, las funciones de la forma


z = f ( x, y ) , representan superficies en R3, dentro de estas superficies están las
superficies cuádricas que son funciones escalares de la forma anterior con regla de
correspondencia cuadrática, estudiaremos en forma general las más importantes por su
utilidad en el estudio del cálculo de varias variables; comencemos primero estudiando
dos definiciones importantes que nos permiten manejar gráficamente una función
escalar.
2.7 Superficies Cuadráticas en R3 50

Definición de gráfico de una función escalar.

Sea f ( x) : U ⊂ R n → R una función escalar continua en U, se llama gráfico


de f (x ) al conjunto de puntos:

{( x , x ,......., x , f ( x)) ∈ R
1 2 n
n +1
/( x1 , x 2 ,...., x n ) ∈ U ∧ z = f ( x1 , x 2 ,......x n }

Analizando la definición anterior es importante que hagamos las siguientes


observaciones:

1. El gráfico de una función escalar esta definida en una dimensión mas


uno de la dimensión de su dominio.
2. Esto nos permite observar, hasta el gráfico de funciones escalares en R2
y son superficies en R3.
3. El gráfico de una función de variable real esta en R2 y son curvas
planas.
4. Estamos imposibilitados para ver el gráfico de funciones cuyo dominio
esta en dimensiones de R3 a Rn, estos estarían en espacios de R4 a Rn+1.

Para ganar una dimensión más en la observación gráfica del comportamiento de


una función escalar planteamos la siguiente definimos conjuntos de nivel.

Definición de conjunto de nivel para una función escalar.

Sea f ( x) : U ⊂ R n → R una función escalar continua en U, se llama conjunto


de nivel de f (x ) al conjunto de puntos:

{( x , x ,......., x
1 2 n ) ∈ R n / f ( x1 , x 2 ,...., x n ) = k ; k ∈ R }
De igual forma que en el caso anterior el análisis de esta definición nos lleva a
las siguientes observaciones:

1. El conjunto de nivel de una función escalar esta definido en la misma


dimensión de su dominio.
2. Por igualar la función a un valor constante, los conjuntos de nivel
representan geométricamente cortes del gráfico de la función original.
3. Ahora se nos presenta la opción de observar, hasta los conjuntos de
nivel de funciones escalares en R3 y son superficies en R3, comúnmente
se las conoce como superficies de nivel.
2.7 Superficies Cuadráticas en R3 51

4. Los conjuntos de nivel de funciones escalares en R2, están en R2 y son


curvas planas, comúnmente se las conoce como curvas de nivel.
5. Los conjuntos de nivel de funciones de variable real serían puntos en R.

Hablando del comportamiento gráfico de una función podemos resumir diciendo


que a las funciones: z = f ( x, y ) : U ⊂ R 2 → R , les podemos observar su gráfico
y el de sus conjuntos de nivel, mientras que a funciones:
3
w = f ( x, y, z ) : U ⊂ R → R , solo les podemos observar sus conjuntos de nivel o
superficies de nivel. La figura 2-18 indica el gráfico de una superficie y el de sus
curvas de nivel en R3.

Ejemplo 2-13 Dada la función escalar f ( x, y ) = x + y − 2 , analizar su gráfico


y sus curvas de nivel

z
Solución:
a)
El gráfico es un plano
que corta a los ejes
coordenados en (2,0,0);
y
(0,2,0); (0,0,-2), como lo
indica la figura 2-18 (a).

Sus conjuntos de nivel


son rectas paralelas de la x
forma;

f ( x, y ) = k ;
x+ y−2=k :

k = 0; x+y=2
k = 1; x+y=3
k =2
k =-1; x+y=1
k = 2; x+y=4 k =1
k =-2; x+y=0 k =0
k = −1
Como se puede apreciar
k = −2
en la figura 2-18 (b) 

Figura 2-18
2.7 Superficies Cuadráticas en R3 52

Una superficie cuádratica es el lugar geométrico de los puntos (x,y,z) que


satisfacen una ecuación de segundo grado de la forma:

* Ax 2 + By 2 + Cz 2 + Dxy + Exz + Fyz + Gx + Hy + Lz + M = 0

Esta misma ecuación se puede escribir en forma matricial como:

 q 00 q 01 q 02 q 03  1 
  
(1, x, y, z ) 10
q q11 q12 q13  x 
=0
q q 21 q 22 q 23  y 
 20  
q
 30 q31 q 32 q33  z 

A = q11 B = q 22 C = q33 M = q 00
Donde: D = q 21 + q12 E = q31 + q13 F = q32 + q 23
G = q10 + q 01 H = q 20 + q 02 L = q30 + q 03

Q = (q ij ) es la matriz que define la función cuadrática.

Tomando en consideración la ecuación *, que es la forma general de la ecuación


cuadrática, podemos revisar un grupo selecto de superficies en R3 que se las conoce
con el nombre de SUPERFICIES CUADRATICAS o simplemente CUADRICAS.

Las cuádricas más comunes son: la esfera, el elipsoide, los hiperboloides de una
hoja y de dos hojas, el paraboloide, el paraboloide hiperbólico, el cono y el cilindro.
Analicemos las características más sobresalientes de cada una de ellas.

La Esfera:

Si en la fórmula general los coeficientes A, B y C son iguales, mayores


que cero y la fórmula general puede escribirse de la forma:

( x − h) 2 + ( y − k ) 2 + ( z − l ) 2 = R 2

Entonces la función cuadrática representa una superficie esférica de centro en el


punto (h, k , l ) y radio R → R ≥ 0 . Si el centro esta en origen la superficie esférica
es de la forma x 2 + y 2 + z 2 = R 2 , la figura 2-19 representa a esta última.
2.7 Superficies Cuadráticas en R3 53

Sus curvas de nivel,


tomando z = f ( x, y ) , son
circunferencias al igual que los
cortes con planos paralelos a
los planos coordenados.

Figura 2-19

El Elipsoide:

Si en la fórmula general los coeficientes A, B y C son diferentes,


mayores que cero y la fórmula general puede escribirse de la forma:

( x − h) 2 ( y − k ) 2 ( z − l ) 2
+ + =1
a2 b2 c2
Entonces la función cuadrática representa un elipsoide de centro en el punto
(h, k , l ) y semiejes a , b , y c .

Si el centro esta
en origen el elipsoide es
de la forma
x2 y2 z2
+ + = 1 , la
a2 b2 c2
figura 2-20 representa
este caso.

Sus curvas de
nivel, tomando
z = f ( x, y ) , son
Figura 2-20 elipses al igual que los
cortes con planos
paralelos a los planos coordenados, aunque algún corte pude ser una circunferencia si el
elipsoide es de revolución.
2.7 Superficies Cuadráticas en R3 54

Hiperboloide de una hoja:

Si en la fórmula general los coeficientes A, B y C son iguales o


diferentes, uno de ellos negativo y la fórmula general puede escribirse de la forma:

( x − h) 2 ( y − k ) 2 ( z − l ) 2
+ − =1
a2 b2 c2
Entonces la función cuadrática
representa un hiperboloide de una
hoja de centro en el punto (h, k , l ) ,
la dirección del eje de simetría lo da
la variable cuyo coeficiente lleva el
signo negativo (en este caso el eje de
simetría es paralelo al eje “Z”).

Si el centro esta en origen el


hiperboloide de una hoja es de la
x2 y2 z2
forma + − = 1 , la figura
a2 b2 c2
Figura 2-21 2-21 representa este caso.

Sus curvas de nivel, tomando z = f ( x, y ) , son elipses o circunferencias si el


hiperboloide es de revolución, en cambio los cortes con planos paralelos a los planos
coordenados son hipérbolas, de ahí su nombre de hiperboloide.

Hiperboloide de dos hojas:

Si en la fórmula general los coeficientes A, B y C son iguales o


diferentes, dos de ellos negativo y la fórmula general puede escribirse de la forma:

( x − h) 2 ( y − k ) 2 ( z − l ) 2
− − =1
a2 b2 c2
2.7 Superficies Cuadráticas en R3 55

Entonces la función cuadrática representa un


hiperboloide de dos hojas de centro en el punto (h, k , l ) , la
dirección del eje de simetría lo da la variable cuyo
coeficiente es positivo (en este caso el eje de simetría es
paralelo al eje “X”).

Si el centro esta en origen el hiperboloide de dos


x2 y2 z2
hojas es de la forma 2 − 2 − 2 = 1 , la figura 2-22
a b c
representa este caso.

Sus curvas de nivel tomando, x = f ( y, z ) , son


Figura 2-22 elipses o circunferencias si el hiperboloide es de revolución,
en cambio los cortes con planos paralelos a los planos
coordenados son hipérbolas, de ahí su nombre de
hiperboloide.
CAPITULO 3
______________________________

“No se lo que puedo parecer al mundo; pero


para mí mismo, sólo he sido como un niño,
jugando a la orilla del mar, y divirtiéndome al
hallar de vez en cuando un guijarro más suave
o una concha más hermosa que de costumbre,
mientras que el gran océano de la verdad
permanecía sin descubrir ante mí”

Isaac Newton

DIFERENCIACIÓN DE FUNCIONES
ESCALARES

3.1 Límite y continuidad.


3.2 Derivada de una función escalar.
3.3 Derivadas parciales de orden superior.
3.4 Derivabilidad y continuidad; diferenciabilidad.
3.5 Propiedades de la derivada.
3.6 Gradiente y derivadas direccionales.
3.7 Aproximaciones y derivación implícita.
3.1 Límite y Continuidad 73

3.1 LÍMITE Y CONTINUIDAD

En este capítulo ampliaremos los conceptos básicos del cálculo diferencial a


funciones de varias variables, en esta oportunidad comenzaremos con las funciones
escalares y para organizar mejor nuestro trabajo daremos algunas definiciones básicas
que nos permitirán definir luego; límite, continuidad, derivada y diferencial.

Definición:

Se llama n-bola abierta de centro en X0 y radio δ , denotada por Bn ( X 0 ; δ ) , al


conjunto {X ∈ R n
} n
/ X − X 0 < δ ; X 0 ∈ R , δ ∈ R pequeño y positivo.

Para n = 1, B ( X 0 ; δ ) representa un intervalo abierto.

Ejemplo 3-1 Analizar el intervalo abierto que representa x−2 <2

Solución: |x - 2| < 2; -2 < x – 2 < 2; 0<x<4


(
0 1 2 3
)
4

Para n = 2, B2 ( X 0 ; δ ) representa el interior de un disco circular (un círculo).

Ejemplo 3-2 Analizar lo que representa una B2 ((2,3);4) en R2

Solución: La solución esta en la figura 3-1

( 2, 3 )

δ=4

X 

Figura 3-1
74 Capítulo 3 Diferenciación de Funciones Escalares

Ejemplo 3-3 Demostrar que el punto (4,4) pertenece a una bola B2((2,3),4).

Solución: (4,4) − (2,3) = 2,1 = 5 ; 5<4 

Para n = 3, B3 ( X 0 ; δ ) representa el interior de una esfera. La figura 3-2


representa una 3-bola abierta centrada en ( x 0 , y 0 , z 0 ) y radio δ

δ
(x0, y0, z0)
Y

X Figura 3-2

Definición:

Dado: U ⊂ R n , X 0 ∈ R n ; se dice que X0 es un punto interior de U, si y sólo


si, ∀δ > 0, ∃Bn ( X 0 ; δ ) totalmente contenida en U.

Es decir que todo punto X0 interior a U puede rodearse de una n-bola centrada en
X0 y radio δ tal que Bn ( X 0 ; δ ) ⊆ U . El conjunto de todos los puntos interiores a U
determina el interior de U y se lo denota por int U .
3.1 Límite y Continuidad 75

Definición:

U ⊂ R n , es un conjunto abierto si todos sus puntos son interiores a U.

Es decir; U es un conjunto abierto, si y sólo si, U = int U .

2 2
Ejemplo 3-4 Sea U ⊂ R tal que 1 < x + y 2 < 4 graficar el espacio e
indicar que tipo de conjunto es.

Solución: La figura 3-3 Y


representa este
espacio y se trata de
una corona circular 2
entre las
circunferencias de 1
radio 1 y radio 2, es
un conjunto abierto X
- -1 1 2
porque esta
formado por todos
los puntos
interiores a U.

Figura 3-3

Ejemplo 3-5 El producto cartesiano de dos intervalos abiertos es un conjunto


abierto.

Solución: La figura 3-4 indica Y


este conjunto
abierto dado por el
producto cartesiano
de los intervalos
abiertos: d

( a , b ) × (c , d ) . c

Como se ve es un
rectángulo.  X
a b

Figura 3-4
76 Capítulo 3 Diferenciación de Funciones Escalares

Definición:

Dado: U ⊂ R n , X 0 ∈ R n ; se dice que X0 es un punto exterior de U, si y sólo


si, ∀δ > 0, ∃Bn ( X 0 ; δ ) totalmente fuera de U.

Es decir que todo punto X0 exterior a U puede rodearse de una n-bola centrada
en X0 y radio δ tal que Bn ( X 0 ; δ ) ⊄ U . El conjunto de todos los puntos exteriores
a U determina el exterior de U y se lo denota por extU .

Definición:

Se dice que X0 es un punto de frontera de U, si no es ni interior ni exterior a U.

El conjunto de todos los puntos de frontera de un espacio U forma la frontera de


U y se la designa por ∂U .

Definición:

U ⊂ R n , es un conjunto cerrado si su complemento es abierto.

Ejemplo 3-6 En los siguientes casos, sea U el conjunto de todos los puntos (x, y)
de R2 que satisfacen las condiciones dadas, analizar el conjunto U
en cada caso y dar una razón geométrica para calificarlo como
abierto, cerrado, abierto y cerrado, ni abierto ni cerrado.

2 2
a.- x + y ≥ 0
Solución: Abierto y cerrado; porque es todo R2 y Rn es abierto y cerrado a la
vez. Le dejamos al lector la demostración de esto último.

2 2
b.- x + y < 0
Solución: Abierto y cerrado; porque es Φ y el conjunto vacío es abierto y
cerrado a la vez. Le dejamos al lector la demostración de esto
último.

c.- x2 + y2 ≤ 1
3.1 Límite y Continuidad 77

Solución: Cerrado; Porque es la parte interior del círculo de radio 1 y la


circunferencia de radio 1, su complemento es abierto.

2 2
d.- 1 ≤ x + y < 4
Solución: Ni abierto ni cerrado; porque es la corona circular entre los
círculos de radio 1 y radio 2, incluye la circunferencia de radio 1
pero no la de radio 2.

e.- 1 ≤ x ≤ 4 , 3 ≤ y ≤ 5
Solución: Cerrado; Porque es la unión de conjuntos cerrados. La unión de
conjuntos cerrados es un conjunto cerrado, la unión de conjuntos
abiertos es un conjunto abierto.

f.- 1 ≤ x < 4 , 3 ≤ y ≤ 5
Solución: Ni abierto ni cerrado; Porque no es unión de conjuntos cerrados
ni tampoco unión de conjuntos abiertos.

2
g.- y = x
Solución: Cerrado; Porque son los puntos que se ajustan a la curva y su
complemento es abierto.

h.- y ≥ x2
Solución: Cerrado; Porque su complemento es abierto. 

Definición de Límite:

Sea F ( x) : U ⊂ R n → R m ; donde U es un conjunto abierto, X0 un punto de U o


de la frontera de U, y sea V una vecindad de L ∈ R m , decimos que:
LimF ( x) = L , si y solo si, ∀ξ ≥ 0 , ∃δ ≥ 0 de manera que si existe una n-
X →X0

bola en U, centrada en X0 y de radio δ , exista una m-bola en V, centrada en L y


de radio ξ , tal que si: X ∈ B n ( X 0 ; δ ) ⇒ F ( x) ∈ B m ( L; ξ )

Analizando la definición podemos ver que F (x) no necesariamente debe estar


definida en X0 y si X tiende a X0 en el dominio, F (x ) debe de tender a L en el rango
de la función.
78 Capítulo 3 Diferenciación de Funciones Escalares

El símbolo de límite también puede expresarse de otras maneras equivalentes:

Lim f ( x) − L = 0 , esta es la forma corriente de límite en el cálculo


X − X 0 →0
elemental.

Llamando h = X − X 0 podemos escribir otra forma equivalente:


Lim f ( X 0 + h) − B = 0
h →0

Si f ( x, y ) : R 2 → R , escribimos: Lim f ( x, y ) = l .
( x , y ) → ( x0 , y 0 )

Si f ( x, y, z ) : R 3 → R , escribimos: Lim f ( x, y, z ) = l
( x , y , z ) → ( x0 , y 0 , z0 )

Si f ( x) : R n → R , escribimos: Lim f ( x) = l
x ← x0

Teorema 3-1 Unicidad del límite.

Sea f ( x) : U ⊂ R n → R ; donde U es un conjunto abierto, X0 un punto de U; si:

Lim f ( x) = a y Lim f ( x) = b entonces a es igual a b .


x ← x0 x ← x0

Hagamos las siguientes observaciones sobre la definición de límite:

1. El límite es una tendencia.


2. El límite es único.
3. Puede existir o no y si existe es un número real.
4. Puede la función no estar definida en un cierto punto, sin embargo el
límite puede existir.
5. El cálculo es complicado para funciones de variable real, más aún para
funciones de varias variables.
6. La definición es bastante abstracta.

Para realizar cálculos prácticos de límites necesitamos de algunas reglas que nos
permitan hacerlo; estas reglas nos las da el siguiente teorema:
3.1 Límite y Continuidad 79

Teorema 3-2
n
Sean F(x) y G(x) dos funciones definidas en U⊂ R → R m ; U abierto, A, B ∈ R m ,
X 0 ∈ U o a la frontera de U; entonces; si:
→ →
lim F ( x ) = A ; lim G ( x ) = B , entonces:
X − X o →0 X − X o →0

1. lim [F ( x) ± G( x)] = A ± B
X − X o →0

2. lim [αF ( x)] = αA


X − X o →0

3. lim
X − X o →0
(F ( x) • G ( x) ) = ( A • B )

4. lim F ( x) = A
X − X o →0

Si: f ( x ) : U ⊂ R n → R ; g ( x) : U ⊂ R n → R ; a, b ∈ R , (funciones
escalares)

5. lim [ f ( x) g ( x)] = ab
X − X o →0

f ( x) a
6. lim = ; g(x) ≠0; b ≠ 0.
X − X o →0 g ( x) b

 Demostremos el literal 3 y 4 y dejamos el resto de demostraciones como


ejercicios para el lector:

Podemos escribir:

F(x) • G(x) − A• B = (F(x) − A) • (G(x) − B) + A• (G(x) − B) + B • (F(x) − A)

Aplicando la desigualdad triangular y la desigualdad de Schwarz obtenemos:

0 ≤ F ( x ) • G ( x) − A • B ≤ F ( x) − A G ( x ) − B + A G ( x ) − B + B F ( x) − A
80 Capítulo 3 Diferenciación de Funciones Escalares

Como; F ( x) − A → 0 y G ( x) − B → 0 cuando x → x0 , entonces:

F ( x) • G ( x) − A • B → 0 cuando x → x0 , lo cual prueba (3)

Para probar (4) hagamos G ( x) = F ( x) en (3) y tenemos:

lim F ( x) • G ( x) = A • A , o lo que es lo mismo:


x − x0

2 2
lim F ( x) = A , que demuestra (4).
x − x0

El límite de cualquier operación es la misma operación con los límites:

Ejemplo 3-7 Dada la siguiente función escalar en R2:


sen( x 2 + y 2 )
f ( x, y ) = .
x2 + y2
Calcular su límite cuando (x, y)  (0, 0)

sen( x 2 + y 2 )
Solución: lim 2 2
; tomemos V = (x, y) ∈ R 2 ,
( x , y ) →( 0 , 0 ) x +y
2
x2 + y2 = V = α , entonces se transforma en:

senα sen( x 2 + y 2 )
lim =1 ∴ lim =1 
α →0 α ( x , y ) →( 0 , 0 ) x2 + y2

Ejemplo 3-8 Sea: f ( x, y ) = x 2 + 2 y 2 − 3 , encontrar: lim f ( x, y )


( x , y ) →(1, 2 )

Solución: lim ( x 2 + 2 y 2 − 3) = (1) 2 + 2(2) 2 − 3 = 6 


( x , y ) →(1, 2 )
3.1 Límite y Continuidad 81

cos z
Ejemplo 3-9 Calcular lim
( x , y , z ) →( 0 ,1, 0 ) e x + e y

cos z cos 0 1
Solución: lim x y
= 0 = 
( x , y , z ) →( 0 ,1, 0 ) e +e e + e 1+ e

x2
Ejemplo 3-10 Encontrar: lim
( x , y ) →( 0 , 0 ) x 2 + y 2

Solución: En la dirección del eje “X”; y = 0;


x2
lim = lim1 = 1
x →0 x 2 x →0
En la dirección del eje “Y”; x = 0;
0
lim =0
y →0 y2
Por lo tanto en (0, 0) esta función no tiene límite. 

x2 y
Ejemplo 3-11 Encontrar lim
( x , y ) →( 0 , 0 ) x 4 + y 2

Solución: En la dirección del eje “X”; y = 0;


0
lim = 0,
x →0 x4
En la dirección del eje “Y”; x = 0;
0
lim = 0,
y →0 y2
En la dirección de todas las rectas de la forma y = mx ,
mx 3 mx
lim 4 2 2
= lim 2 =0,
x →0 x +m x x →0 x + m 2

Podríamos pensar que su límite es 0; sin embargo si averiguamos


sobre la curva y = x 2 , tenemos:
82 Capítulo 3 Diferenciación de Funciones Escalares

x4 1
lim = ⇒ f ( x, y ) no tiene límite. 
x →0 x 4 + x 4 2
sen 2 x − 2 x + y
Ejemplo 3-12 Encontrar lim
( x , y ) →( 0 , 0 ) x3 + y

Solución: En la dirección del eje “X”; y = 0;


sen2 x − 2 x 2 cos 2 x − 2
lim 3
= lim
x →0 x x → 0 3x 2
− 4 sen2 x − 8 cos 2 x − 4
= lim = lim =
x →0 6x x → 0 6 3
Aplicando la regla de L’Hopital.

En la dirección del eje “Y”; x = 0;


y
lim = 1 ⇒ el límite no existe. 
y ←0 y

Obsérvese en los ejemplos anteriores que para asegurar la existencia del límite
se debe demostrar que este existe y es igual en todas las direcciones posibles, lo cual lo
torna sumamente complicado y difícil de calcular. Como el límite de una función
vectorial es igual al límite de cada una de sus componentes, entonces el cálculo de
límites para una función vectorial se reduce al cálculo de límites para funciones
escalares.

Definición de continuidad:

Sea F ( x) : U ⊂ R n → R m ; donde U representa su dominio, X0 un punto de U.


Decimos que F (x) es continua en X0, si y solo si:
lim F ( x) = F ( x0 )
X →X0
Decimos que es continua en todo su dominio U, si y sólo si es continua en cada
uno de los puntos de U.

Observaciones:

• La definición de continuidad es puntual.


3.1 Límite y Continuidad 83

• Es imposible utilizar la definición para demostrar la continuidad de una


función en un intervalo o sub-espacio de Rn.

• Por lo anterior, necesitamos conocer algunas reglas que nos permitan analizar
la continuidad de una función de varias variables en su dominio U.

Para ayudarnos en la limitante que nos deja la definición de continuidad


disponemos de los siguientes teoremas.

Teorema 3-3

Sean; F ( x) : U ⊂ R n → R m y G ( x) : U ⊂ R n → R m , x0 ∈ U y α ∈ R :

1. Si F (x) es continua en x0 ; entonces αF (x) también es continua en


x0 .
2. Si F (x) y G (x) son continuas en x0 ; entonces F ( x) ± G ( x) también
es continua en x0 .
3. Si f (x) y g (x) son funciones escalares y continuas en x0 ; entonces
f ( x) g ( x) también es continua en x0 .
4. f (x) y g (x) son funciones escalares y continuas en x0 ; entonces
Si
f ( x)
también es continua en x 0 , si g ( x ) ≠ 0 .
g ( x)
1
5. Si f (x ) es una función escalar continua en x 0 ; entonces también
f ( x)
es continua en x 0 , si f ( x ) ≠ 0 .
6. Una función vectorial es continua, si y sólo si, cada una de sus componentes
es continua.

Cualquier operación que se realice con funciones continuas es continua excepto


la división cuando el denominador sea cero.

Ejemplo 3-13 La función identidad F ( X ) = X : R n → R n , es continua en


todo Rn.
84 Capítulo 3 Diferenciación de Funciones Escalares

Solución: Las componentes de la función identidad son:


f 1 ( x) = x1 , f 2 ( x) = x 2 , f 3 ( x) = x3 ,…………., f n ( x) = x n .
n
Como todas son continuas en R , entonces la función también es
continua en todo Rn. 
n m
Ejemplo 3-14 Sea F ( X ) : R → R una transformación lineal, demostrar que
es continua en Rn.
Solución: Si es una transformación lineal, entonces:
F ( X + Y ) = F ( X ) + F (Y )
Si F ( X ) y F (Y ) son continuas en todo Rn, entonces la
transformación también. 

x2 +1
Ejemplo 3-15 Sea F ( x, y, z ) = ( x 2 yz, , x + y + z) ,
x2 + y2 + z2 + 2
función vectorial de la forma F : R 3 → R 3 , demostrar que es
continua en R3.

Solución: La primera componente es un producto de funciones continuas; por


lo tanto es continua, la segunda componente es un cociente de
funciones continuas y la función denominador nunca será cero
entonces también es continua, y la tercera componente es la suma
de tres funciones continuas y también es continua; por lo tanto,
como todas sus componentes son continuas, la función es continua.


Teorema 3-4

Sean: G ( x) : U ⊂ R n → R p , F ( x) : R p → R m , x0 ∈ U ; tal que


F o G = F (G ( x)) exista; si G (x) es continua en x0 y F (x) es continua en
G ( x0 ) ; entonces F o G es continua en x0 .

 Demostración:

Tomemos: y = g (x) y A = g ( x 0 )
3.1 Límite y Continuidad 85

f ( g ( x)) − f ( g ( x0 )) = f ( y ) − f ( A)
Por hipótesis cuando x → x0 y → A , así que tenemos:
lim f ( g ( x)) − f ( g ( x0 )) = lim f ( y ) − f ( A) = 0 , lo que indica:
x − x0 → 0 y − A →0

lim f ( g ( x)) − f ( g ( x 0 )) = 0 ∴ f o g es continua en x0 .


x − x0 → 0

Ejemplo 3-16 En base al teorema anterior analizar la continuidad de las


siguientes funciones:

1. f ( x, y ) = sen( x 2 y )
2. f ( x, y ) = ln( x 2 + y 2 )
e x+ y
3. f ( x, y ) =
x+ y
4. f ( x, y ) = ln(cos( x 2 + y 2 )

2
Solución: La primera función; x y es continua en todo R2, y como sen(x )
no tiene restricciones para su dominio podemos concluir que esta
es continua en todo R2.

La segunda función; x 2 + y 2 es continua en todo R2, y su valor


2 2
es: x + y ≥ 0 , la función ln(x ) tiene restringido su dominio
para valores > 0. Esto nos hace concluir que en este caso la función
tiene restringido su intervalo de continuidad de la siguiente forma:
{∀( x, y) ∈ R 2
/( x, y ) ≠ (0,0) . }
La tercera función es el cociente de dos funciones; la función
x
numerador es la composición de e con x + y , la interna es
continua en todo R2 y la externa, que es la exponencial, no tiene
x+ y
restricciones para su dominio; por la tanto e es continua; sin
embargo debemos eliminar los valores que hagan cero el
denominador y estos son y = − x , esto hace que para este caso la
región de continuidad sea: {( x, y) ∈ R 2
/ y ≠ −x . }
86 Capítulo 3 Diferenciación de Funciones Escalares

La cuarta es la composición de tres funciones; la interna x2 + y2


es continua en todo R2 y es ≥ 0 , la intermedia es cos(x ) y no
tiene restricciones para su dominio; mientras que la externa ln(x )
si tiene restricciones para su dominio donde x = 0, esto hace que
para este caso la región de continuidad quede definida de la
siguiente manera:
 2 2 2 (2n − 1)π 
( x, y ) ∈ R /( x + y ) ≠ ; n = 1,2,3,..... . 
 2 
Ejemplo 3-17 Analizar la continuidad de la función:
 xy
 ( x, y ) ≠ (0,0)
f ( x, y ) =  x 2 + y 2 , en (0, 0).
 0 ( x, y ) = (0,0)

Solución: En un corte sobre el eje “X”; y = 0:


0
lim = 0 ; cumple.
x →0 x2
En un corte sobre el eje “Y”; x = 0:
0
lim = 0 ; cumple.
y →0 y2

En un corte sobre la función identidad y = x:


2
x
lim = 1
2 ; no cumple.
x →0 2x 2

∴ La función no es continua en (0, 0). 


Como se puede observar en el ejemplo 3-17, para que una función escalar sea
continua en un punto dado debe cumplirse la definición de continuidad en todas las
direcciones posibles por las que nos podamos acercar a este punto en una vecindad del
mismo. Esto hace complicada esta técnica de demostración puesto que existen infinitas
maneras de aproximarse a una función en una vecindad de un punto dado.

3.2 DERIVADA DE UNA FUNCIÓN ESCALAR.

En la sección 3-1 dimos los conceptos elementales que nos permitan tener la
capacidad de hacer otras definiciones importantes del cálculo; una de ellas es la
3.2 Derivada de una Función Escalar 87

definición de derivada de una función escalar con respecto a un vector. Sea


f ( x) : U ⊂ R n → R , un campo escalar en Rn, deseamos tener la capacidad de
estudiar la variación de f (x ) cuando nos acercamos a cualquier punto desde x 0
dentro de su dominio. Por ejemplo supongamos que la función representa la
temperatura en el interior de una habitación con aire acondicionado en un día de calor;
es obvio que la variación de temperatura será diferenta cundo nos acercamos en la
dirección del aparato del aire acondicionado que cuando nos acercamos en la dirección
de la ventana que esta frente al sol, esto nos induce a pensar que al hablar de campos
escalares la definición de derivada estará supeditada a la dirección en la cual se la
defina.
r
Supongamos que la dirección esta dada por un vector V en Rn y que nos
r
x0 al punto x0 + V , siguiendo el segmento de recta que une a
acercamos del punto
r r
x0 con x0 + V cada punto de esta recta tiene la forma x0 + h V donde h es un
número real cualquiera, la variación de este desplazamiento esta dada porh V , como
r
V sólo indica la dirección del desplazamiento, no nos importa el valor de su norma y
de esta forma podemos decir que sólo h es un indicador de la magnitud de este
desplazamiento, es obvio que la variación que sufre la función como consecuencia de
este desplazamiento en su dominio es ( f ( x 0 ) + hV ) − f ( x 0 ) , la razón de estas dos
variaciones, como en el caso de funciones de variable real, es lo que nos lleva a la
definición de derivada de un campo escalar con respecto a un vector.

Definición de Derivada de un campo escalar con respecto a un vector:

Sea f ( x) : U ⊂ R n → R ; donde U es un conjunto abierto, X0 un punto de U,


r
h ∈ R , y sea V un vector cualquiera de R n , la derivada de f (x) en x0 y con
respecto a V se representa con el símbolo f ' ( xo ;V ) y se define por:

f ( x0 + hV ) − f ( x0 )
f ' ( x0 ;V ) = lim
h →0 h
Cuando este límite existe.

Observaciones:
88 Capítulo 3 Diferenciación de Funciones Escalares

• La derivada es un límite, por lo tanto si existe es un número real y tiene todas


las propiedades de los límites.
• La derivada representa la razón de cambio sobre un perfil de la función en la
r
dirección del vector V.
• Para que la función sea derivable en un punto x0 , este límite debe existir para
r
todas las direcciones posibles V que llegan a x 0 .
• Puede usarse para encontrar la ecuación de la recta tangente al perfil de f (x )
r
en la dirección del vector V .
r
• El vector V representa la dirección del corte de f (x ) y por lo tanto no
necesita pertenecer al dominio de la función.
r
Ejemplo 3-18 Si V es el vector cero, demostrar que la derivada direccional de
cualquier función escalar existe y vale cero.

f ( x 0 + h 0) − f ( x 0 )
Solución: f ' ( x0 ;0) = lim
h →0 h
f ( x0 ) − f ( x0 )
f ' ( x0 ;0) = lim =0 
h →0 h

Ejemplo 3-19 Demostrar que la derivada de una transformación lineal en un


punto cualquiera siempre existe y es igual al valor de la función
r
evaluada en el vector dirección V.

Solución: Sea f ( x) : U ⊂ R n → R ; una transformación lineal cualquiera.


f ( Xo + hV ) − f ( Xo)
f ' ( Xo; V ) = lim
h→0 h
f ( Xo) + hf (V ) − f ( Xo)
f ' ( Xo; V ) = lim = f (V )
h→0 h 

Teorema 3-5

Si g (t ) = f ( x0 + tV ) y si una de las derivadas, g ' (t ) o f ' ( x0 + tV ;V )


existen, entonces también existe la otra y son iguales:

g ' (t ) = f ' ( x0 + tV ;V )
3.2 Derivada de una Función Escalar 89

En particular cuando t = 0, g ' ( 0) = f ' ( x 0 ; V )


 Demostración:

g (t + h) − g (t ) f ( x0 + (t + h)V ) − f ( x0 + tV )
g ' (t ) = lim = lim
h →0 h h →0 h
Que se lo puede también escribir de la forma:

f (( x 0 + tV ) + hV ) − f ( x0 + tV )
lim = f ' ( x0 + tV ;V )
h →0 h

2
Ejemplo 3-20 Dado el campo escalar f ( x) = X ∀X ∈ R n .
Calcular f ' ( X 0 ;V ) .

Solución: Primero se busca una función de variable real talque:

g (t ) = f ( X 0 + tV ) , entonces:
2
g (t ) = X 0 + tV

2
como; V = V • V , entonces:

g (t ) = ( X 0 + tV ) • ( X 0 + tV )
g (t ) = ( X 0 • X 0 ) + (tX 0 • V ) + (tV • X 0 ) + t 2 (V • V )
g (t ) = ( X 0 • X 0 ) + 2t ( X 0 • V ) + t 2 (V • V )

2 2
g (t ) = X 0 + 2t ( X 0 • V ) + t 2 V , derivando con respecto a t.

2
g ' (t ) = 2( X 0 • V ) + 2t V

Como g ' (0) = f ' ( X 0 ;V ) , entonces:

f ' ( X 0 ; V ) = 2( X 0 • V ) 
90 Capítulo 3 Diferenciación de Funciones Escalares

Teorema 3-6. Teorema del valor medio para campos escalares

Si existe la derivadaf ' ( x0 + tV ;V ) para cada t en el intervalo 0 ≤ t ≤ 1 .


Entonces para un cierto número real α en el intervalo abierto 0 < α < 1
tenemos:

f ( x0 + V ) − f ( x0 ) = f ' (u;V ) , donde u = x0 + αV

 Demostración:

Hagamos g (t ) = f ( x0 + tV ) y apliquemos el teorema del valor medio para


funciones de variable real a g (t ) en el intervalo [0,1] y tenemos:

g (1) − g (0) = g ' (α ) , donde 0 < α < 1

como g (1) − g (0) = f ( x0 + V ) − f ( x0 ) , y


g ' (α ) = f ' ( x0 + αV ;V ) ; ya esta demostrado el teorema.

Definición de Derivadas direccionales y derivadas parciales:

Si en la definición de derivada de un campo escalar con respecto a un vector el


r
vector dirección V es unitario, f ' ( x0 ;V ) se llama derivada direccional de
r
f ( x) en x0 y en la dirección V .
r
En particular si V = ek (el k-esimo vector coordenado unitario) la derivada
direccional f ' ( x 0 ; ek ) se denomina derivada parcial de f ( x ) respecto a ek y
∂f
se la representa por: Dk f ( x 0 ) , ( x 0 ) , f ' xk ( x 0 ) .
∂x k

Para una función escalar en R2 f ( x, y ) ;


3.2 Derivada de una Función Escalar 91

∂f
; D x f ( x, y ); f ' x ( x, y )
∂x
∂f
; D y f ( x, y ); f ' y ( x, y )
∂y

Para una función escalar en R3 f ( x, y , z ) ;

∂f
; D x f ( x, y, z ); f ' x ( x, y, z )
∂x
∂f
; D y f ( x, y, z ); f ' y ( x, y, z )
∂y
∂f
; D z f ( x, y, z ); f ' z ( x, y, z )
∂z
De la definición anterior podemos concluir que las derivadas parciales, por ser
cortes paralelos a los ejes coordenados, facilitan su cálculo para una función de varias
variables; por cuanto cada perfil solo depende de una variable (la variable del corte) y
las demás son constantes. Esto permite aplicar las reglas comunes de la derivación
como si se tratara de funciones de variable real, tomando como variable solo la del
corte y las demás como constantes .

e xy
Ejemplo 3-21 Dado: f ( x, y ) = ln( xy ) + sen( x 2 + y 2 ) + , encontrar sus
x
derivadas parciales.

∂f 1 xye xy − e xy
= y + 2 xCos ( x 2 + y 2 ) +
∂x xy x2
∂f 1 e xy ( xy − 1)
= + 2 x cos( x 2 + y 2 ) +
Solución:
∂x x x2
∂f 1 1
= x + 2 yCos ( x 2 + y 2 ) + xe xy
∂y xy x
∂f 1
= + 2 y cos( x 2 + y 2 ) + e xy
∂y y

92 Capítulo 3 Diferenciación de Funciones Escalares

3.3 DERIVADAS PARCIALES DE ORDEN SUPERIOR:

Las derivadas parciales definidas anteriormente y calculadas como se lo hizo en


el ejemplo 3-20, para el caso de una función escalar en R2, son nuevas funciones
escalares y estas pueden seguir derivándose parcialmente con los mismos criterios que
hemos utilizado, a estas nuevas derivadas parciales las llamaremos derivadas parciales
de orden superior y son, de segundo orden, cuatro para una función escalar en R2 y
nueve para una función escalar en R3; así:

En R2:

∂  ∂f  ∂ 2 f
 = = f ' xx = D xx ( f ( x, y ))
∂x  ∂x  ∂x 2
∂  ∂f  ∂ 2 f
 = = f ' xy = D xy ( f ( x, y ))
∂y  ∂x  ∂xy
∂  ∂f  ∂ 2 f
 = = f ' yx = D yx ( f ( x, y ))
∂x  ∂y  ∂y∂x
∂  ∂f  ∂ 2 f
 = = f ' yy = D yy ( f ( x, y ))
∂y  ∂y  ∂y 2

En R3:

∂  ∂f  ∂ 2 f
 = = f ' xx = D xx ( f ( x, y, z ))
∂x  ∂x  ∂x 2
∂  ∂f  ∂ 2 f
 = = f ' xy = D xy ( f ( x, y , z ))
∂y  ∂x  ∂xy
∂  ∂f  ∂ 2 f
 = = f ' xz = D xz ( f ( x, y, z ))
∂z  ∂x  ∂x∂z
∂  ∂f  ∂ 2 f
 = = f ' yx = D yx ( f ( x, y, z ))
∂x  ∂y  ∂y∂x
∂  ∂f  ∂ 2 f
 = = f ' yy = D yy ( f ( x, y, z ))
∂y  ∂y  ∂y 2
3.4 Derivabilidad y Continuidad; Diferenciabilidad 93

∂  ∂f  ∂ 2 f
 = = f ' yz = D yz ( f ( x, y, z ))
∂z  ∂y  ∂yz
∂  ∂f  ∂ 2 f
 = = f ' zx = D zx ( f ( x, y, z ))
∂x  ∂z  ∂zx
∂  ∂f  ∂ 2 f
 = = f ' zy = D zy ( f ( x, y, z ))
∂y  ∂z  ∂z∂y
∂  ∂f  ∂ 2 f
 = = f ' zz = D zz ( f ( x, y, z ))
∂z  ∂z  ∂z 2

∂2 f ∂2 f ∂2 f
Las derivadas parciales de segundo orden: , , , son derivadas
∂x 2 ∂y 2 ∂z 2
parciales de segundo orden dobles y las mezcladas se las llama derivadas parciales
mixtas.

Ejemplo 3-22 Encontrar las derivadas parciales dobles del ejemplo 3-21:

∂2 f 1 2 2 2 x2 (exy ( y) + (xy −1) yexy ) − exy(xy −1)2x


= − − 4x sen ( x + y ) +
∂x2 x2 x4
∂2 f 1 2 2 2 exy (x2 y2 − 2xy + 2)
= − − 4x sen ( x + y ) +
∂x2 x2 x3

∂2 f 1
Solución: = − 4xySen (x2 + y2 ) + 2 (xexy (xy −1) + exy (x))
∂y∂x x
∂2 f
= − 4xysen (x2 + y2 ) + yexy
∂y∂x

∂2 f
= − 4xySen (x2 + y2 ) + yexy
∂x∂y
∂2 f 1
2
= − 2 − 4 y2Sen(x2 + y2 ) + xexy
∂y y

94 Capítulo 3 Diferenciación de Funciones Escalares

Teorema 3-7

n n
Si f : U ⊂ R → R ; es de tipo C2 en U ⊂ R , (quiere decir doblemente
continua en U o diferenciable) ⇒ las derivadas parciales mixtas de segundo orden
son iguales.

Ejemplo 3-23 Obtener las derivadas parciales de primer y segundo orden de la


función escalar:
f ( x, y, z ) = x 2 cos( x 2 + y 2 + z 2 ) .
Y comprobar que las mixtas son iguales:
Solución:
∂f
= 2xCos ( x2 + y 2 + z 2 ) − 2x3 Sen ( x2 + y 2 + z 2 )
∂x
∂f
= − 2 x2 ySen ( x2 + y 2 + z 2 )
∂y
∂f
= − 2x2 zSen ( x2 + y 2 + z 2 )
∂z
∂ 2f
= 2Cos ( x2 + y 2 + z 2 ) − 10x2 Sen ( x2 + y 2 + z 2 ) − 4x4 Cos ( x2 + y 2 + z 2 )
∂x2
∂2 f
= − 4xySen ( x2 + y 2 + z 2 ) − 4x3 yCos ( x2 + y 2 + z 2 )
∂y∂x
∂2 f
= − 4 xzSen ( x2 + y 2 + z 2 ) − 4x3 zCos ( x2 + y 2 + z 2 )
∂z∂x
∂2 f
= − 4xySen ( x2 + y 2 + z 2 ) − 4 x3 yCos ( x2 + y 2 + z 2 )
∂x∂y
∂2f
= − 2 x2 Sen ( x2 + y 2 + z 2 ) − 4 x2 y 2Cos ( x2 + y 2 + z 2 )
∂y 2
∂2f
= − 4 x2 yzCos ( x2 + y 2 + z 2 )
∂z∂y
∂2 f
= − 4 xzSen ( x2 + y 2 + z 2 ) − 4 x3 zCos ( x2 + y 2 + z 2 )
∂x∂z
∂2 f
= − 4 x2 yzCos ( x2 + y 2 + z 2 )
∂y∂z
∂2 f
= − 2x2 Sen ( x2 + y 2 + z 2 ) − 4 x2 z 2Cos ( x2 + y 2 + z 2 )
∂z 2

Como se puede ver en el desarrollo anterior:


3.4 Derivabilidad y Continuidad; Diferenciabilidad 95

∂2 f ∂2 f
=
∂y∂x ∂x∂y
∂2 f ∂2 f
=
∂z∂x ∂x∂z
2
∂ f ∂2 f
=
∂z∂y ∂y∂z


Ejercicio 3-24 Obtener las derivadas parciales de primer y segundo orden de la


función escalar:
f ( x, y, z ) = x 3 y 2 z + z cos( x 2 + y 2 ) + e xy + x 3 + y 3 + z 3
Y comprobar que las mixtas son iguales:

Solución: Las derivadas parciales de primer orden son:

∂f
= 3 x 2 y 2 z − 2 xzSen ( x 2 + y 2 ) + ye xy + 3 x 2
∂x
∂f
= 2 x 3 yz − 2 yzSen ( x 2 + y 2 ) + xe xy + 3 y 2
∂y
∂f
= x 3 y 2 + Cos ( x 2 + y 2 ) + 3 z 2
∂z
Las derivadas parciales de segundo orden son:

∂2 f
2
= 6xy 2 z − 2zSen ( x 2 + y 2 ) − 4x 2 zCos ( x 2 + y 2 ) + y 2 e xy + 6x
∂x
∂2 f
= 6x 2 yz − 4xyzCos ( x 2 + y 2 ) + xyexy + e xy
∂y∂x
∂2 f
= 3x 2 y 2 − 2xSen ( x 2 + y 2 )
∂z∂x
∂2 f
= 6x 2 yz − 4xyzCos ( x 2 + y 2 ) + xyexy + e xy
∂x∂y
96 Capítulo 3 Diferenciación de Funciones Escalares

∂2 f
= 2 x 3 z − 2 zSen ( x 2 + y 2 ) − 4 y 2 zCos ( x 2 + y 2 ) + x 2 e xy + 6 y
∂y 2
∂2 f
= 2 x 3 y − 2 ySen ( x 2 + y 2 )
∂z∂y
∂2 f
= 3 x 2 y 2 − 2 xSen ( x 2 + y 2 )
∂x∂z
∂2 f
= 2 x 3 y − 2 ySen ( x 2 + y 2 )
∂y∂z
∂2 f
= 6z
∂z 2

∂2 f ∂2 f
=
∂y∂x ∂x∂y
∂2 f ∂2 f
=
∂z∂x ∂x∂z
2
∂ f ∂2 f
=
∂z∂y ∂y∂z


3.4 DERIVABILIDAD Y CONTINUIDAD; DIFERENCIABILIDAD:

En el curso de cálculo elemental el estudiante debe haber aprendido la


importancia que tiene la derivada para calcular razones de cambio y para poder analizar
el gráfico de una función de variable real, estudiando su continuidad valores extremos,
concavidad y puntos de inflexión. En una función escalar, de varias variables en su
dominio, la derivada también tiene aplicaciones similares; sin embargo, el gráfico de
una función escalar no es tan fácil de analizar como el gráfico de una función de
variable real. ¿Qué nos puede decir la derivada de una función escalar, definida en la
sección 3-2, acerca de la continuidad de la función?, recordemos que para una función
de variable real es válida la afirmación:

“la derivabilidad es una condición necesaria y suficiente para la


continuidad”.

Por supuesto, sabemos que la continuidad es una condición necesaria pero no


suficiente para la derivabilidad, por la presencia de picos en el gráfico de la función. El
gráfico de una función escalar también puede tener picos o pliegues que no le permiten
3.4 Derivabilidad y Continuidad; Diferenciabilidad 97

definir planos tangentes a la superficie en todos sus puntos; es importante analizar


superficies suaves que puedan tener bien definidos planos tangentes en todos los puntos
de su dominio, investiguemos si esta afirmación válida para funciones de variable real,
también es válida para funciones de varias variables.

Es fácil demostrar que para una función de variable real, la existencia de la


derivada en un punto cualquiera implica la continuidad en dicho punto:

f ( x 0 + h) − f ( x 0 )
f ( x 0 + h) − f ( x 0 ) = h , haciendo el límite de esta
h
igualdad cuando h tiende a cero obtenemos:

 f ( x 0 + h) − f ( x 0 ) 
lim( f ( x 0 + h) − f ( x0 )) = lim  lim h , como lim h = 0
h →0 h →0
 h  h →0 h →0

 f ( x 0 + h) − f ( x 0 ) 
y lim  = f ' ( x0 ) ; entonces la existencia de la derivada implica
h →0
 h 
que f ( x) sea continua en x0 .

Apliquemos el mismo razonamiento para una función escalar f ( x) : U ⊂ R n


en X 0 ⊂ U y en la dirección de un vector V ⊂ R n :

f ( x 0 + hV ) − f ( x 0 )
f ( x 0 + hV ) − f ( x 0 ) = h , haciendo el límite de la
h
igualdad cuando X → X 0 tenemos idéntico razonamiento que el que hicimos para
una función de variable real, sobre la dirección del vector V ; esto que es cierto sobre
un perfil que tiene la dirección del vector V aparentemente debería ser cierto sobre
todas las otras direcciones posibles; pero veamos con mucha sorpresa lo que nos dice el
siguiente ejemplo.

Ejemplo 3-25 Dada la función:

 xy 2
 ; x≠0
f ( x, y ) x 2 + y 4
 0 ; (0, y )

Analizar su derivabilidad y continuidad en (0, 0).


98 Capítulo 3 Diferenciación de Funciones Escalares

Solución: Analicemos primero su derivabilidad para cualquier vector


V = ( a, b) ∈ R 2 :

f ' ((0,0); (a, b)) =

f ((0,0) + h(a, b)) − f (0,0)


= lim
h →0 h
f (ha, hb) − f (0,0)
= lim
h →0 h
(ha)(hb) 2
(ha) 2 + (hb) 4
= lim
h →0 h
h ab 2
3
= lim
h →0 h(h 2 a 2 + h 4 b 4 )

h 3 ab 2
= lim
h →0 h 3 ( a 2 + h 2 b 4 )

ab 2 ab 2 b 2
= lim = = ∴ existe ∀a ≠ 0
h →0 a 2 + h 2 b 4 a2 a

Veamos ahora que pasa para V = (0, b)

f ((0,0) + h(0, b)) − f (0,0)


= lim
h →0 h
f (0, hb) − f (0,0)
= lim
h →0 h
0
= lim = 0 ∴ existe ∀a = 0
h →0 h

∴ f ( x, y ) es derivable en (0,0) porque existen todas sus


derivadas direccionales.

Analicemos ahora la continuidad en (0, 0):


lim f ( x, y ) = f (0,0)
( x , y )→( 0 , 0 )
3.4 Derivabilidad y Continuidad; Diferenciabilidad 99

y = 0, 0
Sobre el eje “X”; lim = 0.
x→0 x2
x = 0, 0
Sobre el eje “Y”; lim 4 = 0 .
y →0 y

Sobre el eje la recta y = mx ;

xy 2 m2 x3 m2 x
lim = lim = lim =0
( x , y ) →( 0 , 0 ) x 2 + y 4 x →0 x 2 + m 4 x 4 x →0 1 + m 4 x 2

Sobre la curva x = y2 ;

xy 2 y4 y4
lim = lim = lim = 1
2
( x , y ) →( 0 , 0 ) x 2 + y 4 x →0 y 4 + y 4 x→0 2 y 4

∴ f ( x, y ) no es continua en (0, 0); porque en la dirección


x = y 2 el límite es diferente. 

Del ejemplo anterior podemos concluir que a pesar de que f ( x, y ) es


derivable en (0, 0) sin embargo no es continua, entonces la afirmación anterior no es
cierta para funciones de varia variables.

Con esto comprobamos que la derivabilidad no es condición necesaria y


suficiente para la continuidad en funciones de varias variables.

[Derivabilidad ] ⇒ [Continuidad ] ; Para f : Rn → R

∴ Debe existir una definición más fuerte que la derivada tal que implique
continuidad, y esta es la definición de diferencial.

La definición de derivada (Definición de Newton) difiere de la definición de


diferencial (Definición de Leibniz) en su filosofía; Newton definió a la derivada como
el límite de una razón de cambio que es la definición que nosotros usamos y
conocemos; mientras que Leibniz definió lo mismo pero como “una buena
aproximación a una función lineal en la vecindad de un punto”. Esta nueva forma
presentada por Leibniz en el siglo XVII en la actualidad la conocemos como la manera
100 Capítulo 3 Diferenciación de Funciones Escalares

de definir diferencial. f ( x) : R n → R es diferenciable en xo ⇔ existe una función


lineal capaz de sustituir a f ( x) en una vecindad de xo .

La filosofía que define al diferencial tiene dos ideas que son importantes de
definir desde el punto de vista matemático y estas son:

“La función lineal a la cual se hace la aproximación”; que es la recta tangente


para una función de variable real y el plano tangente para una función escalar de varias
variables.

“La buena aproximación” que matemáticamente quiere decir que el límite de la


razón entre el error de aproximación y el acercamiento en el dominio debe tender a
cero, cuando la norma del vector acercamiento en el dominio tiende a cero; así:

|error de aproximación|
lim →0
X − X 0 →0 X − X0

Para el caso de una función de variable real la figura 3-5 indica, cuando existe y
cuando no existe, una buena aproximación en la vecindad de un punto.

Buena aproximación
“Diferenciable”

Mala aproximación
“No diferenciable”

Figura 3-5

Para una función de variable real, la función lineal es la recta tangente:

y = f ( xo ) + m( x − xo ) , y la pendiente esta dada por: m = f ' ( xo )


3.4 Derivabilidad y Continuidad; Diferenciabilidad 101

Definición de diferencial para una función de variable real:

Sea f ( x) : (a, b) ⊂ R → R , x0 ∈ (a, b) ; se dice que f ( x) es diferenciable


en xo ∈ (a, b) ⇔ y = f ( xo ) + f ' ( x0 )( x − xo ) es una buena aproximación
de f ( x) en una vecindad de xo , entendiéndose por buena aproximación que:

f ( x) − f ( xo ) − f ' ( x0 )( x − xo )
lim =0
∆x →0 ∆x

En esta definición f ' ( xo ) (que es el responsable de la buena aproximación) se


lo llama diferencial.

Como se puede apreciar en la definición anterior la derivada y el diferencial para


una función de variable real son iguales; tienen la misma jerarquía.

En forma similar generalicemos esta definición para una función de R2 a R. La


función lineal es el plano tangente y tiene dos inclinaciones, una en el sentido del eje
“X” y otra en el sentido del eje “Y”, que están dadas por las derivadas parciales con
respecto a cada variable respectivamente, de tal forma que el plano tangente, en forma
similar a la recta tangente lo podemos escribir así:

∂f ( x 0 , y 0 ) ∂f ( x 0 , y 0 )
z = f ( xo , y0 ) + ( x − xo ) + ( y − y0 ) 8-1
∂x ∂y

Posteriormente estaremos en capacidad de demostrar, con mejor criterio, que la


ecuación 8-1 representa el plano tangente a una superficie z = f ( x, y ) en una
vecindad del punto ( x0 , y 0 ) .

Ejemplo 3-26 Encontrar la ecuación del plano tangente al paraboloide


z = x 2 + y 2 en el punto (1, 1).

∂f ∂f
Solución: = 2x , = 2 y , evaluadas en el punto (1, 1)
∂x ∂y
∂f (1,1) ∂f (1,1)
=2 = 2 , f (1,1) = 2 ; con esto:
∂x ∂y
102 Capítulo 3 Diferenciación de Funciones Escalares

z = 2 + 2( x − 1) + 2( y − 1)
z = 2x + 2 y − 2

Definición de diferencial para una función de R2 a R:

Sea f ( x, y ) : D ⊂ R 2 → R , ( x0 , y 0 ) ∈ U ; se dice que f ( x, y ) es


diferenciable en:
∂f ( x0 , y 0 ) ∂f ( x0 , y 0 )
( xo , y0 ) ∈ U ⇔ z = f ( xo , y0 ) + ( x − xo ) + ( y − y0 )
∂x ∂y
es una buena aproximación de f ( x, y ) en una vecindad de ( x o , y 0 ) ,
entendiéndose por buena aproximación que:

∂f ( x 0 , y 0 ) ∂f ( x0 , y 0 )
f ( x, y ) − f ( x o , y 0 ) − ( x − xo ) − ( y − y0 )
∂x ∂y
lim =0
( x , y ) → ( x0 , y0 ) ( x, y ) − ( x 0 − y 0 )

En esta definición  ∂f ( x 0 , y 0 ) , ∂f ( x 0 , y 0 )  (que es el responsable de la buena


 ∂x ∂y 
 
aproximación) se lo llama diferencial.

Como se puede apreciar en la definición anterior la existencia de las derivadas


parciales no garantiza una buena aproximación; pero si existen las derivadas parciales y
son continuas, esto si tendría la suficiente jerarquía para asegurar la aproximación.

Generalicemos esta definición para una función escalar, de Rn a R. La función


lineal es el plano tangente y tiene “n” inclinaciones, en cada sentido de los ejes “Xi”,
que están dadas por las derivadas parciales con respecto a cada variable
respectivamente, de tal forma que el plano tangente, en forma similar al caso anterior lo
podemos escribir así:

∂f ( X 0 ) ∂f ( X 0 ) ∂f ( X 0 ) 8-2
z = f (X o ) + ( x1 − x o1 ) + ( x 2 − x 02 ) + ....... + ( x n − x0n )
∂x1 ∂x 2 ∂x n

Si definimos los siguientes vectores:


3.4 Derivabilidad y Continuidad; Diferenciabilidad 103

 ∂f ( X 0 ) ∂f ( X 0 ) ∂f ( X 0 ) 
∇f ( X 0 ) =  , ,............, ,
 ∂x1 ∂ x ∂ x 
 2 n 

( X − X 0 ) = ( x1 − x01 , x 2 − x02 ,.............., x n − x0 n )

Podemos escribir la ecuación 8-2, del plano tangente, de la forma:

z = f ( X 0 ) + ∇f ( X 0 ) • ( X − X 0 ) 8-3

Al vector ∇f ( X ) , definido anteriormente y en cualquier punto, se lo conoce


como el GRADIENTE del campo escalar, que lo definiremos formalmente en la
sección 3-6. Con esto podemos presentar la definición general de diferencial para una
función escalar.

Definición general de diferencial para una función escalar:

Sea f ( X ) : U ⊂ R n → R , X 0 ∈ U ; se dice que f ( X ) es diferenciable en:


X o ∈ U ⇔ z = f ( X o ) + ∇f ( X 0 ) • ( X − X 0 ) es una buena aproximación de
f ( X ) en una vecindad de X o , entendiéndose por buena aproximación que:

f ( X ) − f ( X o ) − ∇f ( X 0 ) • ( X − X 0 )
lim =0
X − X 0 →0 X − X0

En esta definición ∇f ( X 0 ) (que es el responsable de la buena aproximación) se


lo llama diferencial.

Observaciones:

• La matriz diferencial de una función escalar se llama GRADIENTE de f ( x)


y se la representa por ∇f ( X ) .
• El gradiente es un vector, por lo tanto puede expresarse así:
∂f ∂f ∂f
∇f ( xo ) = e1 + e2 + L + en .
∂x1 Xo
∂x2 Xo
∂xn Xo

O como una matriz renglón así:


104 Capítulo 3 Diferenciación de Funciones Escalares

 ∂f ( x0 ) ∂f ( x 0 ) ∂f ( x0 ) 
∇f ( x 0 ) =  .............. 
 ∂x1 ∂x 2 ∂x n 

• Solo si la función es diferenciable tiene gradiente.


• El gradiente cumple la misma función que la derivada en calculo elemental.
• El gradiente sólo está definido para una función escalar.

Para una función f : R3 → R

∂f ∂f ∂f
∇f ( x ) = i+ j+ k
∂x ∂y ∂z

Ejemplo 3-27 Encontrar el gradiente, si existe, de la siguiente función escalar:

Solución: f ( x, y, z ) = 3 x 2 + 2 y − z en el punto (1,0,1)


∇f ( x, y, z ) = (6 x,2,−1)
∇f (1, 0 ,1)
= 6i + 2 j − k 

La definición anterior se la puede generalizar para una función cualquiera en


varias variables de la siguiente forma:

Definición general de diferencial:

Sea F ( X ) : U ⊂ R n → R m , X 0 ∈ U ; se dice que F ( X ) es diferenciable en


X o ∈ U ⇔ Z = F ( X o ) + D[F ( X 0 )][ X − X 0 ] es una buena aproximación de
F ( X ) en una vecindad de X o , entendiéndose por buena aproximación que:

F ( X ) − F ( X 0 ) − D[F ( X 0 )][ X − X 0 ]
lim =0
X − X 0 →0 X − X0

En esta definición D[F ( X 0 )] (que es el responsable de la buena aproximación)


se lo llama diferencial.

En esta definición el diferencial es una matriz m×n y [X − X 0 ] se


maneja como una matriz columna.
3.4 Derivabilidad y Continuidad; Diferenciabilidad 105

La matriz diferencial [D [F ( X )]] es:

 ∂f 1 ∂f 1 ∂f 1 ∂f 1 
 ∂x L
∂x 2 ∂x3 ∂x n 
 1 
 ∂f 2 ∂f 2 ∂f 2 ∂f 2 
L
[D[F ( X )]] =  ∂x1 ∂x 2 ∂x3 ∂x n 
M M M M 
 
 ∂f m ∂f m ∂f m
L
∂f m 
 ∂x1 ∂x 2 ∂x3 ∂x n 

Y al vector [X − X 0 ] se lo maneja así:


 x1 − x01 
x − x 
 2 02 

 . 
[X − X 0 ] =  . 
 
 . 
 
 
 x n − x0 n 

Ejemplo 3-28 Encontrar la matriz diferencial de la función:


(
F ( x, y, z ) = x 2 + y 2 ; xyz; ( x + y ) z; x 3 y 2 z )
Solución: [D [F ( X )]] es una matriz 4×3
 2x 2y 0 
 yz xz xy 
 
 z z x + y
 2 2 3 
3 x y z 2 x yz x3 y 2 
106 Capítulo 3 Diferenciación de Funciones Escalares

Ejemplo 3-29 Dada la función:


( )
F ( x, y, z ) = x 2 y 2 z 2 , x 2 + y 2 + z 2 , xyz, ln( x + y + z )
Encontrar su matriz diferencial en los puntos (1,1,1); (0,0,0) .

 2 xy 2 z 2 2 x 2 yz 2 2x 2 y 2 z
 
 2x 2y 2z 
Solución: D [F ( x)] =  yz xz xy 
 
 1 1 1 
 x + y + z x+ y+z x + y + z 

 2 2 2
 2 2 2
D[F (1,1,1)] =  
1 1 1 
1 1 1
3 3 3

En el punto (0,0,0) no existe la matriz; por lo tanto esta función


no es diferenciable en este punto. 

Como observamos en el ejemplo anterior para que D [F (X )] exista, deben


existir todas las derivadas parciales y ser continuas.

Por lo tanto la existencia de todas las derivadas parciales y que sean continuas
implica diferenciabilidad.

Teorema 3-8

Si f : U ⊂ R n → R ; xo ∈ U , es diferenciable en xo entonces existen todas


las derivadas direccionales y es contínua en xo .

 Demostración:

∆X = X − X 0 ; cuando X → X 0 ⇒ ∆X → 0
3.4 Derivabilidad y Continuidad; Diferenciabilidad 107

f ( X ) − f ( X 0 ) = f ( X 0 + ∆X ) − f ( X 0 ) = ∆f

lim [ f ( X ) − f ( X 0 )] = lim ∆f = lim ∆f


X →X0 ∆X → 0 X − X 0 →0

Como f ( X ) es diferenciable en X 0 , z es una buena aproximación de


f ( X ) en una vecindad de X 0 , ecuación 8-3.

z = f ( X 0 ) + ∇f ( X 0 ) • ( X − X 0 )

f ( X ) − z = error de aproximación = ε , entonces:

f ( X ) = f ( X 0 ) + ∇f ( X 0 ) • ( X − X 0 ) + ε

f ( X ) − f ( X 0 ) = ∇f ( X 0 ) • ( X − X 0 ) + ε

∆X
f ( X ) − f ( X 0 ) = ∇f ( X 0 ) • ( X − X 0 ) + ε
∆X
ε
lim ( f ( X ) − f ( X 0 )) = lim (∇f ( X 0 ) • ( X − X 0 )) + lim ( ) lim ( ∆X )
X →X0 X − X 0 →0 ∆X → 0 ∆X ∆X → 0

ε
lim ( ) = 0 , por cuanto z es una buena aproximación, lim (∆X ) = 0 .
∆X → 0 ∆X ∆X → 0

lim (∇f ( X 0 ) • ( X − X 0 )) = 0 , si ∇f ( X ) existe, lo cual prueba que


X − X 0 →0 0

existen todas las derivadas parciales, entonces:

lim ( f ( X ) − f ( X 0 )) = 0 , que indica que f ( X ) es continua en X .


X →X0 0

La figura 3-6 indica la relación entre diferenciabilidad, derivabilidad y


continuidad para una función escalar en Rn,
108 Capítulo 3 Diferenciación de Funciones Escalares

Es necesario hacer
Existen todas las
hincapié en la importancia que
derivadas parciales y son
tiene el vector gradiente en el
análisis de funciones escalares; continuas
por ejemplo, cuando V es un
vector unitario la derivada
direccional tiene una relación
sencilla y muy importante con el
vector gradiente, es la Diferenciabilidad Continuidad
proyección escalar del vector
gradiente en la dirección del
vector V , esta y otras más
aplicaciones las estudiaremos
con mayor detenimiento en la Existen todas las
sección 3-7 y en el capítulo 4 derivadas
donde haremos un estudio más direccionales
detallado de todas los beneficios
que tiene el vector gradiente, por Figura 3-6
ahora nos conformamos con
solamente haberlo definido y
entender la importancia de este como el diferencial de una función escalar.

3.5 PROPIEDADES DE LA DERIVADA:

En el curso de cálculo elemental se estudió la forma de derivar sumas, productos


y cocientes así como la regla de la cadena, que es la forma de derivar composición de
funciones. Veamos como generalizar estas técnicas a funciones de varias variables;
pero desde el punto de vista del diferencial que es la definición que substituye en
jerarquía a la derivada para funciones de varias variables.

Teorema 3-9

n n
Sean f ( x ) : U ⊂ R → R y g ( x ) : U ⊂ R → R , funciones escalares ambas
diferenciables en x 0 ∈ U y α ∈ R . Entonces:

1. D Xo α [ f ( x)] = αD Xo [ f ( x)] .
(Producto de un escalar por una matriz).
2. DXo [ f ( x) ± g ( x)] = DXo [ f ( x)] ± DXo [g ( x)] .
(Suma o diferencia de matrices).
3.5 Propiedades de la Derivada 109

3. DXo [ f ( x) g ( x)] = f ( x) DXo [g ( x)] + g ( x) DXo [ f ( x)] .


(Producto de un escalar por una matriz y suma de matrices).
g ( x) DXo [ f ( x)] − f ( x ) DXo [g ( x)]
4. DXo [ f ( x ) / g ( x )] = ; g ( x) ≠ 0 .
g 2 ( x)
(Producto de un escalar por una matriz y resta de matrices).

Probemos 1 y 2 dejando al lector como ejercicio la prueba de 3 y 4.

αf ( X ) − α f ( X 0 ) − αD[ f ( X 0 ) ] • ( X − X 0 )
Debemos ver que: lim = 0,
X →X0 X − X0
sacando α de factor común:
f ( X ) − f ( X 0 ) − D[ f ( X 0 )] • ( X − X 0 )
α lim = 0 , lo cual es cierto por ser
X →X0 X − X0
f ( X ) diferenciable en X 0 .

Para el segundo numeral:

Debemos ver que:


f ( X ) ± g ( X ) − ( f ( X 0 ) ± g ( X 0 )) − ( D[ f ( X 0 )] ± D[g ( X 0 )]) • ( X − X 0 )
lim =0
X →X0 X − X0
Esto se puede reagrupar de la siguiente forma:
( f ( X ) − f ( X 0 ) − D[ f ( X 0 )] • ( X − X 0 )) ± ( g ( X ) − g ( X 0 ) − D[g ( X 0 )] • ( X − X 0 ))
lim =0
X →X0 X − X0
Que se pueden separar como dos límites:

lim
f ( X ) − f ( X 0 ) − D[ f ( X 0 ) ] • ( X − X 0 ) ± lim g ( X ) − g ( X 0 ) − D[g ( X 0 )] • ( X − X 0 )
X →X0 X − X0 X →X 0 X − X0
Que cumplen de ser ambos cero porque tanto f ( X ) como g ( X ) son diferenciables
en X0.

2 2 2
Ejemplo 3-30 Dado un campo escalar: f ( x, y ) = x y sen( x + y ) ,
encontrar el diferencial del campo aplicando el teorema anterior y
en forma directa.

Solución: [Df ] = x 2 y[D(Sen(x 2 + y 2 ))] + Sen(x 2 + y 2 )[D (x 2 y )]


110 Capítulo 3 Diferenciación de Funciones Escalares

[ ]
= x 2 y 2 xCos( x 2 + y 2 ) 2 yCos( x 2 + y 2 ) + Sen x 2 + y 2 2 xy x 2 ( )[ ]
[
= 2x3 yCos(x 2 + y 2 ) 2x 2 y 2Cos(x 2 + y 2 ) + ]
[2 xySen( x + y ) x Sen( x + y )]
2 2 2 2 2

= [2 x yCos ( x + y ) + 2 xySen( x + y )
3 2 2 2 2

2 x y Cos ( x + y ) + x Sen( x + y )]
2 2 2 2 2 2 2

En forma directa:

[Df ] = (2xySen (x 2 + y 2 ) + 2x3 yCos (x 2 + y 2 ),


x 2 Sen( x 2 + y 2 ) + 2 x 2 y 2 Cos ( x 2 + y 2 )) 

Teorema 3-10: Regla de la Cadena

Sea g(X ) :U ⊂ Rn → R p y f ( X ) : V ⊂ R p → R m , U y V conjuntos


abiertos; si g es diferenciable en X 0 ∈ U y f ( X ) es diferenciable en
g ( X 0 ) ∈ V entonces f o g es diferenciable en X 0 y su diferencial es:

D Xo [ f o g ] = D g ( xo ) [ f ] D xo [g ]

Ver la demostración de este teorema, usando la fórmula de Taylor, en el próximo


capítulo ejemplo 4-4.

Ejemplo 3-31 Dadas:


F (u , v, w) = (u 2 vw, v 2 − w 2 , w 3 , uvw)
G ( x, y, z ) = ( x 2 y, xy 2 z , e − xz )
Calcular D[F o G ](1,1, 0 )

Solución: D[F o G ] = D[F ]D[G ]


3.5 Propiedades de la Derivada 111

2uvw u 2 w u 2 v  0 1 0 
  0
 0 2v − 2 w 0 − 2
D[F ](1, 0,1) = =
 0 0 3w 2  0 0 3
   
 vw uw uv  (1, 0,1) 0 1 0 

 2 xy x2 0  2 1 0 
 2 
D[G ](1,1, 0) =  y2z 2 xyz xy  = 0 0 1 
− ze − xz 0 − xe − xz  0 0 − 1
 (1,1, 0 )

0 0 1
0 0 2 
D[[F o G ]](1,1,0 ) = 
0 0 − 3
 
0 0 1

Existen dos aplicaciones importantes de la Regla de la Cadena que por su


utilidad es necesario tratarlas por separado; estas son:

Aplicación # 1:
Sea f un campo escalar diferenciable en R3; definido R 3 → R de la forma
f (u, v, w) ; G un campo vectorial diferenciable en: U ⊂ R 3 ; R 3 → R 3
definido de la forma: ( x, y , z ) = (u (x, y, z ), v( x, y , z ), w( x, y , z )) .
El diferenciable de f o G está dado por:

 ∂ ( foG ) ∂( foG ) ∂ ( foG ) 


D ( foG ) =  ; donde:
 ∂x ∂y ∂z 

∂ ( foG ) ∂f du ∂f dv ∂f dw
= + +
∂x ∂u dx ∂v dx ∂w dx
112 Capítulo 3 Diferenciación de Funciones Escalares

∂ ( foG ) ∂f du ∂f dv ∂f dw
= + +
∂y ∂u dy ∂v dy ∂w dy
∂ ( foG ) ∂f du ∂f dv ∂f dw
= + +
∂z ∂u dz ∂v dz ∂w dz
La demostración de este caso se la hace aplicando directamente la regla de la
cadena de la siguiente forma:

D[ foG ] = D[ f ]D[G ]

 ∂f ∂f ∂f 
D[ f ] = ∇ ( f ) = 
 ∂u ∂v ∂w 
 ∂u ∂u ∂u 
 ∂x ∂y ∂z 

∂v ∂v ∂v 
D[G ] = 
 ∂x ∂y ∂z 
 ∂w ∂w ∂w 
 
 ∂x ∂y ∂z 

Multiplicando estas dos matrices obtenemos cada uno de los términos de la


matriz diferencial de la composición que están expuestos anteriormente.

Aplicación # 2:
3
Sea f un campo escalar diferenciable en R3; definido R → R de la forma
f (x, y, z ) ; G una trayectoria en R3 diferenciable en: (a, b) ⊂ R; R → R 3
definido de la forma: G (t ) = (x(t ), y (t ), z (t )) .
El diferenciable de f o G está dado por:

∂f dx ∂f dy ∂f dz
D[ foG ] = + +
∂x dt ∂y dt ∂z dt

La demostración de este caso, también se la hace aplicando directamente la regla


de la cadena de la siguiente forma:
3.5 Propiedades de la Derivada 113

D[ foG ] = D[ f ]D[G ]

 ∂x 
 ∂t 
 ∂f ∂f ∂f   ∂y 
D[ f ] =  ; D[G ] =  
 ∂x ∂y ∂z   ∂t 
 ∂z 
 ∂t 

Multiplicando estas dos matrices obtenemos la matriz diferencial de la


composición que esta expuesta anteriormente.

La matriz diferencial de G, que es una matriz columna, expresada como vector


representa el vector velocidad de una partícula de masa que viaja sobre la trayectoria
G(t), esta matriz la estudiaremos más detenidamente en el capítulo 5.

Ejemplo 3-32 Dadas:

f (u , v, w) = u 2 + v 2 − w
G ( x, y , z ) = ( x 2 y, y 2 , e − xyz )

Calcular D[ f o G ]

Solución: h( x, y, z ) = f o G = f (G ( x, y , z ))

 ∂h ∂h ∂h 
D[h ] = 
∂z 
, donde:
 ∂x ∂y

∂ (h ) ∂f du ∂f dv ∂f dw
= + +
∂x ∂u dx ∂v dx ∂w dx
∂ (h )
= 2u (2 xy ) + 0 − ( − yze − xyz ) = 4 x 3 y 2 + yze − xyz
∂x
114 Capítulo 3 Diferenciación de Funciones Escalares

∂ (h ) ∂f du ∂f dv ∂f dw
= + +
∂y ∂u dy ∂v dy ∂w dy
∂ (h )
= 2u ( x 2 ) + 2v( 2 y ) + (−1)(− xze − xyz )
∂y
= 2 x 4 y + 4 y 3 + xze − xyz

∂ (h ) ∂f du ∂f dv ∂f dw
= + +
∂z ∂u dz ∂v dz ∂w dz
∂ (h )
= 0 + 0 + (−1)(− xye − xyz ) = xye − xyz 
∂z

Ejemplo 3-33 Dadas:


(
G (t ) = t 2 + t ; 2t − 1; t 3 )
f ( x, y , z ) = 3 x y + z + y
2 3

Calcular D f [ o G ]t =1

∂f dx ∂f dy ∂f dz
Solución: D[ f o G ] = ⋅ + ⋅ + ⋅
∂x dt ∂y dt ∂z dt

( )
D[ f o G ] = (6 xy )(2t + 1) + 3 x 2 + y 2 2 + (1)3t 2

t = 1 ⇒ x = 2, y = 1, z = 1

D[ f o G ]t =1 = 36 + 30 + 3 = 69 
3.6 Gradiente y Derivadas Direccionales 115

3.6 GRADIENTE Y DERIVADAS DIRECCIONALES.

En el curso de cálculo elemental el estudiante utilizó la derivada para


aplicaciones geométricas en el grafico de funciones de variable real; en el caso de
funciones escalares de varias variables, muchas de estas aplicaciones están dadas por el
vector gradiente, que como lo enunciamos en la sección 3-5, es una herramienta
poderosa para las aplicaciones del cálculo en funciones de varias variables.

Formalicemos la definición de gradiente que ya fue mencionada en la sección


anterior.

Definición de gradiente de un campo escalar:

3
Sea f ( x, y , z ) : U ⊂ R → R , un campo escalar en R3 diferenciable en U, el
gradiente de f ( x, y , z ) es un vector en R3 dado por:
 ∂f ∂f ∂f 
∇ f ( x, y , z ) =  .
 ∂x ∂y ∂z 
n
Si f ( X ) : U ⊂ R → R , un campo escalar en Rn diferenciable en U, entonces
el gradiente es un vector en Rn dado por:
 ∂f ∂f ∂f 
∇f ( X ) =  .............. 
 ∂x1 ∂x 2 ∂x n 

No olvidar que el vector gradiente es el diferencial del campo escalar;


∇f ( X ) = D[ f ( X ) ] .

Ejemplo 3-34 Encontrar el vector gradiente del campo escalar:


f ( x, y , z ) = e xyz + z cos( x 2 + y 2 ) + x 2 + y 2 + z 2 , en el
punto (0,0,0) .

 yze xyz − 2 xzsen( x 2 + y 2 ) + 2 x 


 
∇f =  xze xyz − 2 yzsen( x 2 + y 2 ) + 2 y 
Solución:
 xye xyz + cos( x 2 + y 2 ) + 2 z  
 
∇f (0,0,0) = (0,0,1)
116 Capítulo 3 Diferenciación de Funciones Escalares

Las aplicaciones del vector gradiente se concentran en los tres teoremas


siguientes.

Teorema 3-11


n n
Sea f ( X ) : U ⊂ R → R diferenciable en X o ∈ U ; V ∈ R un vector
n
unitario que representa una dirección cualquiera en R . la derivada direccional

de f en X o y en la dirección de V esta dada por :
∧ ∧
f ' ( X o ;V ) = ∇f ( X o ) • V

De acuerdo a este teorema podemos observar que la derivada direccional es la


proyección escalar del gradiente en la dirección de V .

 Demostración:

Sea σ (t ) = X 0 + t V ; es la parametrización de una recta en R3.

g (t ) = f ( X 0 + t V ) ; g (t ) = f (σ (t )) = f o σ ,

de la segunda aplicación de la regla de la cadena:



g ' (t ) = ∇f ( X 0 ) • σ ' (t ) = ∇f ( X 0 ) • V ; del teorema 3-5

∧ ∧ ∧
g ' (t ) = f ' ( X 0 + t V ;V ) ; g ' (0) = f ' ( X 0 ;V ) : entonces :
∧ ∧
f ' ( X 0 ;V ) = ∇f ( X 0 ) • V , lo que demuestra el teorema.

2 2
Ejemplo 3-35 Sea: f ( x, y , z ) = x + xyz + z , encontrar la derivada
direccional de f en la dirección 2i + j – k y en el punto (1, 2, 1).

Solución: ∇f = ( 2 x + yz , xz , xy + 2 z ) ; ∇f (1,2,1) = ( 4,1,4)


3.6 Gradiente y Derivadas Direccionales 117

5
f ' ((1,2,1); (2,1,−1)) = (4,1,4) • (2,1,−1) 1
6
= (8 + 1 − 4) 1
6
= 6

5 6
=
6


Teorema 3-12

n
Sea f ( X ) : U ⊂ R → R diferenciable en X o ∈ U ; el gradiente apunta
al mayor crecimiento de f .

Hay que tomar en cuenta que este teorema se refiere al gráfico de la función
escalar.

 Demostración:

n
Sea V ∈ R un vector cualquiera, del teorema 3-11, la derivada direccional de

f en la dirección de V esta dada por:
∧ ∧
f ' ( X 0 ; V ) = ∇f ( X 0 ) • V

= ∇f ( X 0 ) V Cosθ

= ∇f ( X 0 ) Cosθ


Para que f ' ( X 0 ;V ) sea máxima, Cosθ =1
Para que Cos θ = 1 ⇒ θ = 0°

Si θ = 0° ⇒ ∇f ( X o ) || V , lo que demuestra el teorema.

Ejemplo 3-36 Encontrar la máxima derivada direccional de la función escalar


f ( x, y ) = 2 x 2 + 3 xy en el punto (1, 2).

∧ ∧
Solución: f ' max ((1,2); ∇f (1,2)) = ∇f (1,2) • ∇f (1,2)
118 Capítulo 3 Diferenciación de Funciones Escalares

∇f ( x, y ) = ( 4 x + 3 y ,3 x ) ; ∇f (1,2) = (10,3)

∇f (1,2) = 1
109
(10,3)


f ' max ((1,2); ∇f (1,2)) = (10,3) • 1
109
(10,3) = 109 

Teorema 3-13

Sea f ( X ) : U ⊂ R n → R , f ( X ) = k una superficie de nivel S ,


diferenciable en X o ; el gradiente es perpendicular a la superficie de nivel S .

 Demostración:

Sea σ (t ) , la parametrización de una trayectoria cualquiera sobre S , y


σ (0) = ( x0 , y 0 , z 0 ) , V un vector tangente a σ (t ) de tal forma que en t = 0
V = σ ' ( 0) .

Como: f ( X ) = k , f ' (( x0 , y 0 , z 0 );V ) = 0 ; del teorema 3-11:

∇ f ( x 0 , y 0 , z 0 ) • σ ' ( 0) = 0 ⇒ ∇ f ( x 0 , y 0 , z 0 ) ⊥ σ ' ( 0)
Como V = σ ' (0) es tangente a S ⇒ ∇f ⊥ S , lo que demuestra el
teorema.

Aprovechando este teorema podemos decir que el vector gradiente de una


superficie S es el vector normal al plano tangente a la superficie en cualquier punto.

Ejemplo 3-37 Encontrar la ecuación del plano tangente a una superficie


S : z = f ( x, y ) , en el punto ( x0 , y 0 , z 0 ) .

Solución: Primero escribamos la superficie “S” como un conjunto de nivel:


S : z − f ( x, y ) = 0 y encontremos el gradiente de “S”
 ∂f ∂f 
∇S ( x0 , y 0 , z 0 ) =  − ,− ,1
 ∂x ∂y  ( x0 , y0 )
3.6 Gradiente y Derivadas Direccionales 119

V ∈ π , vector posición entre dos puntos del plano π

V = ( x − x0 , y − y 0 , z − z 0 )
 ∂f ∂f 
 − ,− ,1 • ( x − x0 , y − y 0 , z − z 0 ) = 0 , ⇒
 ∂x ∂y  ( x0 , y0 )
∂f ∂f
− ( x − x0 ) − ( y − y0 ) + (z − z0 ) = 0
∂x ( x0 , y 0 ) ∂y ( x0 , y0 )
como z 0 = f ( x0 , y 0 ) , entonces:
∂f ∂f 
z = f ( x0 , y0 ) + ( x − x0 ) + ( y − y0 )
∂x ( x0 , y0 ) ∂y ( x0 , y 0 )

Definición de plano tangente a una superficie S en R3:

Sea z = f ( x, y ) , una superficie S en R3 diferenciable en ( x0 , y 0 , z 0 ) , la


ecuación del plano tangente a la superficie S en el punto ( x 0 , y 0 , z 0 ) esta dada
por:

∂f ∂f
z = f ( x0 , y0 ) + ( x − x0 ) + ( y − y0 )
∂x ( x0 , y0 ) ∂y ( x0 , y 0 )

La figura 3-7 representa el plano tangente π a una superficie S : z = f ( x, y )


Z
en el punto P0 : ( x 0 , y 0 , z 0 )

∇S

π
P0
V
“S”

Figura 3-7
X
120 Capítulo 3 Diferenciación de Funciones Escalares

Ejemplo 3-38 Encontrar la ecuación del plano tangente a la superficie,


3 xyz + x 3 y 2 + z 3 = 4 en el punto (1,2,1) .

Solución:
(
∇S = 3 yz + 3 x 2 y 2 , 3xz + 2 x 3 y, 3xy + 3 z 2 )
∇S (1, 2,1) = (18,7,9)
(18,7,9) • (x − 1, y − 2, z − 1) = 0
18( x − 1) + 7( y − 2) + 9( z − 1) = 0
18 x − 18 + 7 y − 14 + 9 z − 9 = 0

18 x + 7 y + 9 z = 41 , es la ecuación del plano tangente. 

Los tres teoremas anteriores resumen las aplicaciones del vector gradiente en los
siguientes términos:

1. Para encontrar la derivada direccional.


f ' ( x0 ,V ) = ∇f ( x0 ) • V
GRADIENTE: 2. Apunta en la dirección de mayor crecimiento de la función.
3. Es perpendicular a las superficies de nivel.

Supongamos que T = f ( x, y ) representa la temperatura de las partículas de


una placa metálica
sometida a una fuente
de calor en el punto P
como lo muestra la
los ∇f
figura

al
3-8,
círculos concéntricos
punto P
P . ∇f
T = f ( x, y ) = k se ∇f
llaman isotermas y
son curvas de nivel
que corresponden a
las partículas de la Figura 3-8
3.6 Gradiente y Derivadas Direccionales 121

placa que están a igual temperatura, las líneas ortogonales a las isotermas y que siguen
el recorrido del flujo calorífico se llaman líneas de flujo.

En el gráfico podemos ver como el vector gradiente en cada punto es


perpendicular a las curvas de nivel (isotermas) y apunta al mayor crecimiento de la
función, tangente a las líneas de flujo.

De igual Z
manera si Optimo
z = f ( x, y ) es
una función escalar
.
en R2 que ∇f
representa la
superficie de una ∇f
montaña, como se
muestra en la ∇f
figura 3-9, z
representa la cota Y
del punto ( x, y ) ; ∇f
las curvas de nivel ∇f
f ( x, y ) = k ∇f
representan a los
X
puntos de igual Figura 3-9
cota sobre la
montaña, la figura
permite ver como el vector gradiente tiene la dirección de mayor crecimiento (apunta a
la cima de la montaña) y es perpendicular a las curvas de nivel.
Y
La figura 3-10 es la
proyección de las curvas
de nivel de la función de la
∇f figura 3-9 y también
permite apreciar las
características del vector
.∇f gradiente de apuntar al
mayor crecimiento de la
función y de ser
∇f perpendicular a las curvas
∇f de nivel. Tanto los
X
ejemplos de la figura 3-8,
∇f
como los de la figura 3-9
y figura 3-10 se refieren a
Figura 3-10 una función escalar de
122 Capítulo 3 Diferenciación de Funciones Escalares

R 2 → R en la cual su grafico esta en R3 y los conjuntos de nivel son curvas de nivel


3
en R2; podemos hacer similar razonamiento para un función escalar de R → R solo
que en este caso para sus superficies de nivel que es lo que podemos manejar
físicamente.

Supongamos que
I = f ( x, y , z ) representa la ∇I
intensidad de señal en el punto
( x, y , z ) , de una estación de
radio o televisión ubicada en
un punto P, las superficies de
nivel son esferas concéntricas
de igual intensidad de onda,
.
aquí también podemos
observar el efecto del vector
∇I
gradiente de apuntar al mayor
crecimiento de la función y ser
perpendicular a las superficies ∇I ∇I
de nivel. Este efecto lo
podemos apreciar gráficamente
en la figura 3-11.
Figura 3-11

3.7 APROXIMACIONES Y DERIVACION IMPLICITA.

En la sección anterior definimos la ecuación del plano tangente a una superficie


en un punto dado, en esta sección vamos a utilizar este plano como la aproximación de
la superficie en una vecindad del punto. En el siguiente capítulo hablaremos más a
fondo de este tipo de aproximaciones cuando definamos la fórmula de Taylor para una
función escalar, también definimos en la sección 3-4 la diferenciabilidad como una
buena aproximación en la vecindad de un punto, usaremos esta definición para ver las
aplicaciones que podemos dar a las aproximaciones en funciones de varias variables.

Sea z = f ( x, y ) una función escalar de dos variables cuyas derivadas parciales


existen y son continuas en una vecindad de ( x0 , y 0 ) , entonces la función es
diferenciable y continua en ( x0 , y 0 ) y un incremento de la función esta dada
por: ∆f = f ( x 0 + ∆x, y 0 + ∆y ) − f ( x0 , y 0 ) ≈ f ' x ( x 0 , y 0 )∆x + f ' y ( x0 , y 0 )∆y
3.7 Aproximaciones y Derivada Implícita 123

En la figura 3-12 podemos apreciar el incremento de la función medido en el


plano tangente que es el que usamos para expresar esta aproximación. Como lo indica
la figura y usando la ecuación del plano tangente, ya que al ser f ( x, y ) diferenciable,
este es una buena aproximación de la superficie en una vecindad de ( x0 , y 0 )
podemos calcular el valor de la función incrementada utilizando la ecuación de este
plano:

f ( x 0 + ∆x, y 0 + ∆y ) ≈ f ( x0 , y 0 ) + f ' x ( x 0 , y 0 )∆x + f ' y ( x 0 , y 0 )∆y 8-4

Si la
función escalar es
de tres variables f(x0,y0)
y existen sus
π
. f ( x0 + ∆x, y 0 + ∆y )
.
derivadas
parciales y son
continuas en S
( x0 , y 0 , z 0 ) el
incremento de la Y
función definido
anteriormente
para dos ( x0 + ∆x, y0 + ∆y)
variables queda (x0,y0)
expresado de la X
siguiente manera:
Figura 3-12

∆f = f ( x 0 + ∆x, y 0 + ∆y, z 0 + ∆z ) − f ( x 0 , y 0 , z 0 )
≈ f ' x ( x 0 , y 0 , z 0 ) ∆x + f ' y ( x 0 , y 0 , z 0 )∆y + f ' z ( x 0 , y 0 , z 0 ) ∆z

Ejemplo 3-39 Una caja abierta de 4mt. de largo por 2mt. de ancho y por 1mt. de
alto esta construida por un material que cuesta $ 10 el mt2 lateral y
$20 el mt2 de fondo. Calcular el costo del cajón y usar incrementos
para estimar la variación del costo cuando el largo aumenta en
2cmt. el ancho disminuya en 1cmt. y la altura aumenta en 3cmt.

Solución: Sea x: largo, y: ancho, z: el alto.

C = 10( 2 xz + 2 yz ) + 20 xy = 20 xz + 20 yz + 20 xy
124 Capítulo 3 Diferenciación de Funciones Escalares

C = $280

C ' x = 20 z + 20 y; C ' x (4,2,1) = 60


C ' y = 20 z + 20 x; C ' y ( 4,2,1) = 100
C ' z = 20 x + 20 y; C ' z (4,2,1) = 120

∆C = C ' x ( 4,2,1) ∆x + C ' y ( 4,2,1) ∆y + C ' z ( 4,2,1)∆z


∆C = (60)(0.02) + (100 )(−0.01) + (120)(0.03)
∆C = 3.8 ; el costo aumentará en aproximadamente $3.8. 

Ejemplo 3-40 Se mide el radio y la altura de un cilindro circular recto con errores
aproximados de mas menos 3% y 2%, respectivamente. Usando
aproximaciones estimar el porcentaje de error que se puede
cometer al calcular su volumen.

∆r ∆h
Solución: ≈ ±0.03 ; ≈ ±0.02
r h

V = π r 2h

∆V = V ' r ∆r + V ' h ∆h

∆V = 2π rh( ±0.03r ) + π r 2 ( ±0.02h)

∆V = ±0.06π r2 h +( ±0.02 π r 2h)

∆V = ±0.08V

∆V
= ±0.08 .
V
El porcentaje de error que se puede cometer en el volumen es de
aproximadamente mas menos 8%. 
3.7 Aproximaciones y Derivada Implícita 125

En el caso de una función de una variable y = f (x ) , escribimos dy por la


regla de correspondencia dy = f ' ( x ) dx , esto también lo podemos ampliar para una
función escalar de más de una variable.

Definición de diferencial total de una función escalar:

2
Sea z = f ( x, y ) : U ⊂ R → R , un campo escalar en R2 ∆x ; ∆y
incrementos de las variables x, y , respectivamente, si escribimos
dx = ∆x ; dy = ∆y como los diferenciales de las variables x, y ,
respectivamente; entonces la diferencial total de f ( x, y ) es:
∂f ∂f
df = dx + dy = f ' x ( x, y ) dx + f ' y ( x, y ) dy
∂x ∂y

De igual forma si la función es de tres variables:


∂f ∂f ∂f
df = dx + dy + dz = f ' x ( x, y, z ) dx + f ' y ( x, y, z ) dy + f ' z ( x, y, z ) dz
∂x ∂y ∂z

La diferencial total es aplicable para aproximar el incremento ∆f cuando este


no es fácilmente calculable; ejemplos:

Ejemplo 3-41 En cierta fábrica la producción diaria está dada por:


1 1
Q = 60 K L , donde K representa el capital invertido en miles
2 3

de dólares y L representa la fuerza laboral en horas hombre. En la


actualidad se han invertido $900.000 y se emplean 1.000 horas
hombre cada día, calcular el cambio de producción, si la inversión
de capital se aumenta en $1.000 y la fuerza laboral también
aumenta en 2 horas hombre.

Solución: K = 900; L = 1.000


dK = ∆K = 1; dL = ∆L = 2

∂Q ∂Q
dQ = dK + dL
∂K ∂L
1
−1 1
−2
dQ = (30 K 2 L3 ) dK + ( 20 K 2 L 3 ) dL
dQ = 10(1) + 6( 2) = 22 unidades ;
126 Capítulo 3 Diferenciación de Funciones Escalares

Quiere decir que la producción aumentará en 22 unidades


aproximadamente. 

La diferencial total también se puede utilizar para calcular rapidez de variación o


cambio en funciones de más de una variable, de la siguiente forma:

Supongamos que z = f ( x, y ) y que tanto x como y son funciones de t;


aplicando la regla de la cadena, que vimos en la sección 3-5, podemos escribir:

dz ∂z dx ∂z dy
= + .
dt ∂x dt ∂y dt
dz dx dy
Donde es la rapidez de variación de la variable z y ; son las
dt dt dt
rapideces de variación de las variables x, y , respectivamente.

De igual forma si la función es de tres variables u = f ( x, y, z ) :

du ∂u dx ∂u dy ∂u dz
= + + .
dt ∂x dt ∂y dt ∂z dt

du dx dy dz
Donde es la rapidez de variación de la variable u y ; ; son
dt dt dt dt
las rapideces de variación de las variables x, y , z , respectivamente.

Ejemplo 3-42 Una farmacia vende dos tipos de multivitaminas, la marca A y la


marca B. La estadística de ventas indica que si la marca A se vende
a x dólares el frasco y la marca B se vende a y dólares el frasco,
la demanda de la marca A será:

Q ( x, y ) = 300 − 20 x 2 + 30 y frascos por mes .

Se estima que dentro de t meses el precio del frasco de la marca A


será :

x = 2 + 0.05t dólares por frasco .

El precio del frasco de la marca B será:


3.7 Aproximaciones y Derivada Implícita 127

y = 2 + 0 .1 t dolares por frasco .

¿A que razón cambiará la demanda de los frascos de la marca A


con respecto al tiempo dentro, de 5 meses?.

Solución:
dQ ∂Q dx ∂Q dy
= +
dt ∂x dt ∂y dt

dx
= 0.05
dt
dy −1 dy 0.05
= 0.05t 2 ; dentro de 5 meses, = .
dt dt 5

∂Q ∂Q
= −40 x ; dentro de 5 meses, x = 2.25; = −90 .
∂x ∂x
∂Q
= 30 .
∂y

dQ  0.05 
= ( −90)(0.05) + (30)  = −3.83 .
dt  5 

Lo que quiere decir que la demanda de frascos de la marca A


disminuirá aproximadamente en 3.83 frascos por mes dentro de 5
meses. 

Derivación implícita:
En el curso de cálculo elemental usamos esta técnica cuando no era posible
expresar la variable dependiente en función de la variable independiente; esto es,
expresar y = f (x ) ; por ejemplo:

2
x 2 y 3 + ln( xy) − x 3 y 2 + e x y
=4
128 Capítulo 3 Diferenciación de Funciones Escalares

En este ejercicio es difícil poder obtener y como una función de x para poder
aplicar las reglas de derivación conocidas. En este caso usamos la técnica de derivación
implícita considerando:

dx dy
= 1, = y ' , y aplicando las reglas comunes de derivación.
dx dx
1 2
2 xy 3 + 3 x 2 y 2 y '+ ( y + xy ' ) − 3x 2 y 2 − 2 x 3 yy '+( 2 xy + x 2 y ' )e x y = 0 .
xy

Despejando y’ obtenemos:

2
3 x 2 y 2 − 2 xy 3 − 1x − 2 xye x y
y' = 2
.
3 x 2 y 2 + 1y − 2 x 3 y + x 2 e x y

De igual manera podemos derivar implícitamente considerando f ( x, y ) = 0 y


aplicando la regla de la cadena a esta última expresión:

∂f dx ∂f dy
+ = 0 ; de aquí:
∂x dx ∂y dx

∂f
dy − ∂x
= 8-5
dx ∂f
∂y

Expresión que sirve para derivar implícitamente cualquier función de variable


real como la anterior.

Para el ejercicio anterior:

2
f ( x, y ) = x 2 y 3 + ln( xy) − x 3 y 2 + e x y − 4 = 0

∂f 1 2
= 2 xy 3 + y − 3 x 2 y 2 + 2 xye x y
∂x xy

∂f 1 2
= 3x 2 y 2 + x − 2x 2 y + x 2e x y
∂y xy
3.7 Aproximaciones y Derivada Implícita 129

2
3 2 2 x y
dy − 2 xy − 1x + 3 x y − 2 xye
= 2
, que es el mismo resultado anterior.
dx 3 x 2 y 2 + 1y − 2 x 2 y + x 2 e x y

De igual forma si tenemos f ( x, y , z ) = 0 , que representa una función


2
implícita de R → R , y aplicando la regla de la cadena con respecto a x, obtenemos:

∂f ∂x ∂f ∂y ∂f ∂z
+ + = 0 , y sabiendo que:
∂x ∂x ∂y ∂x ∂z ∂x
∂x ∂y
= 1; = 0 , obtenemos:
∂x ∂x

∂f
∂z − ∂x
= 8-6
∂x ∂f
∂z

De igual forma aplicando la regla de la cadena con respecto a y:

∂f ∂x ∂f ∂y ∂f ∂z
+ + = 0 , y sabiendo que:
∂x ∂y ∂y ∂y ∂z ∂y
∂y ∂x
= 1; = 0 , obtenemos:
∂y ∂y

− ∂f
∂z ∂y
= 8-7
∂y ∂f
∂z

Fórmulas que sirven para encontrar las derivadas parciales en forma implícita de
2
una función escalar : R → R .
130 Capítulo 3 Diferenciación de Funciones Escalares

∂z ∂z
Ejemplo 3-43 Encontrar las derivadas parciales ; de la función:
∂x ∂y

Sen( x 2 + y 2 + z 2 ) + x 2 y 3 z 2 − ( x 2 + y 2 ) 2 = 3

∂f
Solución: = 2 xCos ( x 2 + y 2 + z 2 ) + 2 xy 3 z 2 − 4 x( x 2 + y 2 )
∂x

∂f
= 2 yCos ( x 2 + y 2 + z 2 ) + 3 x 2 y 2 z 2 − 4 y ( x 2 + y 2 )
∂y

∂f
= 2 zCos ( x 2 + y 2 + z 2 ) + 2 x 2 y 3 z
∂z

∂z 4 x( x 2 + y 2 ) − 2 xCos ( x 2 + y 2 + z 2 ) − 2 xy 3 z 2
=
∂x 2 zCos ( x 2 + y 2 + z 2 ) + 2 x 2 y 3 z

∂z 4 y ( x 2 + y 2 ) − 2 yCos ( x 2 + y 2 + z 2 ) − 3 x 2 y 2 z 2
= .
∂y 2 zCos ( x 2 + y 2 + z 2 ) + 2 x 2 y 3 z

f ( x, y , z , u ) = 0 es la forma implícita de una función escalar de R 3 → R ,


con un análisis similar al anterior podemos obtener sus derivadas parciales:

∂f ∂x ∂f ∂y ∂f ∂z ∂f ∂u
+ + + = 0 , sabiendo que:
∂x ∂x ∂y ∂x ∂z ∂x ∂u ∂x
∂x ∂y ∂z
= 1; = = 0 ; obtenemos:
∂x ∂x ∂x

∂f
∂u − ∂x
= 8-8
∂x ∂f
∂u
3.7 Aproximaciones y Derivada Implícita 131

Con respecto a y:

∂f ∂x ∂f ∂y ∂f ∂z ∂f ∂u
+ + + = 0 , sabiendo que:
∂x ∂y ∂y ∂y ∂z ∂y ∂u ∂y
∂y ∂x ∂z
= 1; = = 0 ; obtenemos:
∂y ∂y ∂y

− ∂f
∂u ∂y
= 8-9
∂y ∂f
∂u
Con respecto a z:

∂f ∂x ∂f ∂y ∂f ∂z ∂f ∂u
+ + + = 0 , sabiendo que:
∂x ∂z ∂y ∂z ∂z ∂z ∂u ∂z
∂z ∂x ∂y
= 1; = = 0 ; obtenemos:
∂z ∂z ∂z

∂f
∂u − ∂z
= 8-10
∂z ∂f
∂u

∂z ∂z ∂u
Ejemplo 3-44 Encontrar las derivadas parciales ; ; ; de la función:
∂x ∂y ∂z
e xyzu + tng ( x 2 + y 2 + u 2 ) − ln( xy ) = x 2 yz 3u

Solución: f ( x, y, z , u ) = e xyzu + tng ( x 2 + y 2 + u 2 ) − ln( xy ) − x 2 yz 3 u = 0


132 Capítulo 3 Diferenciación de Funciones Escalares

∂f 1
= yzue xyzu + 2 x sec 2 ( x 2 + y 2 + u 2 ) − y − 2 xyz 3 u
∂x xy

∂f 1
= xzue xyzu + 2 y sec 2 ( x 2 + y 2 + u 2 ) − x − x 2 z 3u
∂y xy

∂f
= xyue xyzu − 3 x 2 yz 2 u
∂z

∂f
= xyze xyzu + 2u sec 2 ( x 2 + y 2 + u 2 ) − x 2 yz 3
∂u

∂u − yzue
xyzu
− 2 x sec 2 ( x 2 + y 2 + u 2 ) + 1x + 2 xyz 3 u
=
∂x xyze xyzu + 2u sec 2 ( x 2 + y 2 + u 2 ) − x 2 yz 3

xyzu 2 2 2 2 2 3
∂u − xzue − 2 y sec ( x + y + u ) + y + x z u
1
=
∂y xyze xyzu + 2u sec 2 ( x 2 + y 2 + u 2 ) − x 2 yz 3

∂u − xyue xyzu + 3 x 2 yz 2 u
= 
∂z xyze xyzu + 2u sec 2 ( x 2 + y 2 + u 2 ) − x 2 yz 3

EJERCICIOS

1. Calcular:

a) x+ y
lim
( x , y ) → (1,1) 2 x 2 − y 2 3x 2 y
d) lim
 x 2 −1 y −1  ( x, y ) → ( 0,0) x 4 + y 2
b) lim  + 2 
( x , y ) → (1,1) x − 1 y − 1

e)
y3
lim
( senx )( sen3 y ) ( x , y ) → ( 0, 0 ) x 2 + y 2
c) lim
( x , y ) → ( 0, 0 ) 2 xy
Ejercicios Diferenciación de Funciones Escalares 133

2. Sea la función:


 x2 y5
f ( x, y ) =  4 10
; si ( x , y ) ≠ ( 0 ,0 )
2x + 3y
 0 ; si ( x , y ) = ( 0 ,0 )

¿Es la función f continua en R2 ? Justifique su respuesta.

3. Dadas las siguientes funciones, de ser posible, definirlas de una manera


adecuada, en el punto dado, para que sean continuas:
a) sen( x + y )
; en (0,0)
x+ y
b) xy
; en (0,0)
x + y2
2

4. Calcule los limite indicados


x2 y 2x − y 2
a) lim c) lim
( x , y ) → ( 0, 0 ) x 3 + y 3 ( x , y )→( 0 , 0 ) 2 x 2 + y

x2
x
(e − 1)(e 2y
− 1) cos x − 1 −
b) lim d) lim 2
( x , y ) →( 0 , 0 ) xy ( x , y ) → ( 0, 0) x4 + y 4

5. Estudie la continuidad de la función

 xy
 2 2
; x2 + y2 ≠ 0
f ( x, y ) =  x + y
 0 ; x2 + y2 = 0

 x2 y2
6. Sea f ( x, y ) = 
2 2 2
 x y + ( x − y)
a) Muestre que:
 
limlim f ( x, y ) = limlim f ( x, y )

x →0 y →0
 y →0  x →0 
134 Ejercicios Diferenciación de Funciones Escalares

b) Se puede decir que:


lim f ( x, y ) = 0
( x , y )→( 0, 0 )

2
7. Sea f ( x, y) = 2 xye− x y , mostrar que:
1 1
lim ∫ f ( x, y )dx ≠ ∫ lim f ( x, y )dx
y →∞
0 0 y →∞
6 6
8. Sea f ( x, y) = x y ¿Para que valores de a existe el lim f ( x, y ) ?
( x , y ) →( 0 , 0 )
4
x + ay
9. Considere las funciones f : R 2 → R y tal que:

 ( Senx )( Sen3 y )
 ; x2 + y2 ≠ 0
f ( x, y ) =  2 xy
 K; x2 + y2 = 0

Determinar, si es posible, el valor de K de tal forma que f sea continua en


todo su dominio.

10. Determine si la siguiente función es continua o no en cero.


 x3 y 4
 Si ( x, y ) ≠ (0,0)
f ( x, y ) =  x 4 + y 4
 0 Si ( x, y ) = (0,0)

11. Califique la siguiente proposición como verdadera V o falsa F. (justifique


su respuesta)
 x2 y 2 
lim  4 2 2 4
=0
( x, y )→(0,0) x + x y + y 
12. Analizar la continuidad de la función.
 xy
 2 ( x, y ) ≠ 0
f ( x, y ) =  x + y 2
 0 ( x, y ) = 0

13. Analice la continuidad de la función


Ejercicios Diferenciación de Funciones Escalares 135

 1 1
( x + y ) sen  sen ; ( x, y ) ≠ (0,0)
f ( x, y ) =   x  y
 1 ; ( x, y ) = (0,0)

14. Dada la función


 2 xy 2
f ( x, y ) =  2 2
; ( x, y ) ≠ (0,0); f ( x, y ) = 0; ( x, y ) = (0,0)
x + y
a) Analizar su derivabilidad en el punto (0,0).
b) Analizar su continuidad en el punto(0,0).
c) Indicar si es o no diferenciable en este punto.

15. Dada la función f ( x, y ) = senx ; y ≠ 0, f ( x, y ) = 0; y = 0


y
a) Demostrar si es o no continua en (0,0).
b) Demostrar si es o no derivable en (0,0).
c) Que se puede decir de su diferenciabilidad en (0,0).

∂z ∂z
16. Encontrar ; , para:
∂x ∂y
a) z = Cos ( xy ) − ln(3 x 2 y )
b) z = 4 x(2 x + 3 y ) − xy + x 2 y 2

17. Encuentre todas las derivadas parciales de las siguientes funciones:


a) f ( x, y ) = (2 x + 3 y )4 − x y + y x
x2 + y2
b) f ( x , y , z ) = sen ( x 2 + y 2 − 2 z ) + e − 2 ln( y + z 2 )
c) f ( x , y , z ) = x y + y x + z xy

18. Dada la función:

 xy ( x 2 − y 2 )
 ; ( x, y ) ≠ (0,0)
f ( x, y ) =  x 2 + y 2
 0; ( x, y ) = (0,0)
136 Ejercicios Diferenciación de Funciones Escalares

∂f ∂f
Usar la definición de derivada parcial para hallar (0,0); (0,0) .
∂x ∂y

19. Calcular las derivadas parciales de f ( x, y ) , considerando que g (t ) es


continua.
xy yx
a) f ( x, y ) = ∫ g (t )dt c) f ( x, y) = ∫ g (t )dt
x xy
xy
b) f ( x, y ) = ∫ sen(t )dt
x

20. Demuestre que la función dada satisface a la expresión dada:


a) z = f ( x, y) = x2φ ( x2 y) ∂f ∂f
x − 2y = 2z
∂x ∂y
b) f ( x, y ) = x 2φ (3 x + y 2 ) ∂f ∂f
2 xy − 3x = 4 yz
∂x ∂y

21. Dada w(x, y, z ) = x 2 y + y 2 z + z 2 x verificar

∂w ∂w ∂w
= (x + y + z ) .
2
+ +
∂x ∂y ∂z

∂ 2u
22. Dado z = u ( x, y )e ax + by
; = 0. Hallar los valores de las constantes
∂x∂y
2
a y b tales que: ∂ z − ∂z − ∂z + z = 0
∂x∂y ∂x ∂y
2 2
23. Demostrar que ∂ z = ∂ z ; si: z = xy .
∂x∂y ∂y∂x
24. Calcular, si existe la derivada mixta
∂ 2 f (0,0)
∂x∂y
(
 xy x 2 − y 2
,
) x2 + y2 > 0

f ( x, y ) =  x 2 + y 2
 0, x2 + y2 = 0

Ejercicios Diferenciación de Funciones Escalares 137

∂2z 1 ∂2z
25. Si z = f ( x , ay ) + g ( x ,− ay ) , demostrar que: = .
∂x 2 a 2 ∂y 2

26. Dada la siguiente función:


 x 3 y 2 − xy 3
 ; Si ( x, y ) ≠ (0,0)
f ( x, y ) =  x 2 + y 2
 0; Si ( x, y ) = (0,0)

2 2
Hallar: ∂ f (0,0) = ?? ; y ∂ f (0,0) = ??
∂x∂y ∂y∂x

27. Dada f ( x, y ) determine si esta satisface a la ecuación dada:


f ( x, y) = e x (cos y + seny)
∂2 f ∂2 f
+ =0
∂x 2 ∂y 2
2 2 3 2 2
28. Si W = 2 x y z + 2 ln( x y ) + sen ( z 2 y 2 x) hallar todas las
derivadas parciales de segundo orden

29. Dada la siguiente función z = sen ( x 2 + y 2 ) determine si satisface la


ecuación
∂2z ∂ 2 z ∂z
y 2 −x − =0
∂x ∂y∂x ∂y

30. Encontrar la derivada direccional de la función:


f ( x, y, z ) = e cos( yz )
x
en el punto (0,0,0) y en la dirección
2i + j − 2k.

2 2
31. En qué dirección la derivada dirección de f (x, y ) = x − y en (1,1) es
x + y2
2

igual a cero?

32. Hallar la derivada direccional de la función f ( x, y, z ) = xy + yz + zx en


el punto (2,1,3) en la dirección que va desde éste al punto (5,5,15) .
138 Ejercicios Diferenciación de Funciones Escalares

33. Para el campo escalar f ( x , y , z ) = xy 2 e z calcular la derivada


direccional en el punto (1,3,0) en la dirección de (1,3,−1) .
34. Si el Potencial Eléctrico en cualquier punto en R3 se define:

1
V ( x, y, z ) =
x2 + y2 + z2
Determinar:
La razón de cambio de V en (2,2,-1) en la dirección del vector 2i- 3j+ 6k.

35. Dada la función f ( x, y, z ) = x 2 − yz + z 2 x y los puntos P(1,-4,3); Q(2,-


1,8), encontrar la derivada direccional de f en la dirección de P a Q en el
punto P.

36. Dada: f ( x ) : U ⊂ R n → R ; Si Lim f ( x ) = f ( x 0 ) ; entonces


x → x0
existen todas las derivadas direccionales de f en x0. Verdadero o Falso
justifique su respuesta.

37. Dada: f ( x, y ) = x 2e−2 y , P(2,0); Q(−3,1) , encontrar, la derivada


direccional de f en P y en la dirección PQ.

38. La derivada direccional de f ( x, y, z ) = z 2 x + y 3 en (1,1,2) en la


dirección ( 1 ) i + ( 2 ) j , es 2 5 . Justifique su respuesta.
5 5

39. Encontrar la ecuación del plano tangente a la superficie


f ( x, y, z ) = 3 x 2 y 2 z 2 + xyz 3 + 3 z 2 + x 2 en el punto (3,0,-l) y
encontrar la ecuación de la recta tangente a esta superficie en el mismo
punto y en la dirección del vector(2,2,-5).

40. Dada la función f ( x, y, z ) = x 2 e − yz , calcular la razón de cambio de f


en la dirección 13 (1,1,1) .

41. Dada la función:


f ( x, y, z ) = x 2 y 2 + 2 xy + y 3 z 3
a) Encontrar un vector perpendicular a las superficies de nivel.
b) Encontrar un vector que apunte al mayor crecimiento de f
Ejercicios Diferenciación de Funciones Escalares 139

c) Calcular la ecuación del plano tangente a la superficie de nivel


cuando f(x, y, z) = 4 en el punto P(l,0,-l).
d) Encontrar la derivada direccional máxima en el punto P(l,0,-l).

42. Hallar un par de ecuaciones cartesianas para la recta que es tangente a las
dos superficies: x 2 + y 2 + 2 z 2 = 4; z = e x − y en el punto (1,1,1).

43. Un insecto se halla en un medio tóxico, el nivel de toxicidad esta dado por
T ( x, y ) = 2 x 2 − 4 y 2 . El insecto está en (-1, 2). ¿En que dirección
deberá moverse para disminuir lo más rápido la toxicidad?

− x2 −3 y 2
44. Dada la función f ( x, y) = 2e +e
a) En que dirección crece más rápidamente en el punto (1,0)
b) Encontrar la ecuación del plano tangente a la superficie en este
punto.

45. Encontrar el plano tangente a la superficie z = x 2 + y 2 en el punto


(1,−2,5) y representarlo gráficamente.
46. Encontrar la dirección en la cual la función f ( x, y ) = x 2 + xy crece
más rápidamente en el punto (− 1,1) .
47. Calcular el plano tangente a la superficie: x2 + 3y2 + 4z 2 = 10 en el
(
punto 0, 2 ,1 . )
48. Hallar los puntos de la superficie x 2 + 4 x + y 2 + z 2 − 2 z = 11 en los
cuales su plano tangente es horizontal.

49. Determine el plano tangente y la recta normal a la superficie


x 2 + 4 y 2 − 2 z 2 = 1 en el punto del primer octante donde el plano
tangente es paralelo al plano x − y − z = 1 .

50. Encuentre un punto de la superficie x 2 + 2 y 2 + 3 z 2 = 12 donde el


 x = 1 + 2t
plano tangente es perpendicular a la recta: l = 
 y = 3 + 8t
 z = 2 − 6t

140 Ejercicios Diferenciación de Funciones Escalares

51. Dada la superficie z = xy y las rectas: z = y0 x ; y = y0 ,


z = x0 y; x = x0 . Determinar si el plano tangente a la superficie
contiene o no a estas rectas en el punto( x 0 , y 0 , z 0 ).
52. Hallar las ecuaciones paramétricas de la recta que es tangente a las
superficies: x 2 + y 2 + z 2 = 6 ; z = y + x en el punto (1,1,2 ).

53. La elevación de una montaña sobre el nivel del mar en (x, y ) es:

e − (x ) / 100
2 2
+ 2 y
3000 mt. El semieje positivo de las “x”
apunta hacia el este y el de las “y” hacia el norte. Un alpinista que esta
( )
ubicado exactamente arriba de 10,10 . Si se mueve hacia el noroeste;
¿asciende o desciende? Y ¿con qué rapidez?.

54. Demostrar que el plano 2 x − 6 y + 3 z − 49 = 0 es tangente a la


superficie esférica x 2 + y 2 + z 2 = 49 .

55. Calcule el ángulo entre los gradientes


de las funciones
4 4
f ( x, y, z) = x + 3 y z y g ( x, y, z ) = x + 3 y − 2 z en el punto (1, 2, 1).

2 2
56. Dada la función f ( x, y, z) = x − yz + z x y los puntos P(1,-4,3)
Q(2,-1,8) encontrar:
a) La razón de crecimiento máximo de f en P.
b) El plano tangente a f en Q.

57. Hallar la ecuación del plano tangente a la superficie z = x2 + y2 − 4x , y


 x = 3 + 4t
que es perpendicular a la recta  y = −2t

z = 1 + t

58. Calcular la ecuación del plano tangente a la superficie


x 3 − 2 y 3 + z 3 = 0 en el punto (1,1,1).

2 2 2
59. Encuentre los puntos del elipsoide x + 2 y + 3 z = 6 en los que la
recta normal que pasa por ellos es perpendicular al plano
4 x − 6 y + 3z = 7 .

60. Las superficies:


Ejercicios Diferenciación de Funciones Escalares 141

f ( x, y , z ) = x 2 + y 2 − z 2 = 1 , g ( x, y , z ) = x + y + z = 5
se
cortan formando la curva “C”. Hállese las ecuaciones paramétricas de la
recta tangente a “C” en el punto (1,2,2).

61. Determine la ecuación del plano tangente a la superficie z = x 2 + xy


que sea perpendicular a los planos x + y − z = 3 ; 2 x − y + z = 4 .

62. Dada la siguiente función z = x 2 + 3 y 2 ; x = e t ; y = Cos (t ) .


∂z
Encontrar: .
∂t

63. Sea z = f (e4t ,6lnt) encuentre la derivada de z con respecto a t.

64. Demuestre que z = f ( x + y ,− x − y ) , donde f es una función


∂z ∂z
diferenciable, satisface esta ecuación − =0
∂x ∂y

x
65. Sea la función z = f   calcular x ∂ z + ∂ z
 y y ∂x ∂y
x+ y
66. Demostrar que z = f   satisface la ecuación:
x− y
∂z ∂z
x +y =0
∂x ∂y

67. Califique de verdadera o falsa la siguiente proposición:


1  y
Dado f : R2 → R derivable, f ( x, y ) = f   para x ≠ 0 ;
x x
entonces:
∂f ∂f
x + y = − f ( x, y )
∂x ∂y
142 Ejercicios Diferenciación de Funciones Escalares

68. Si la función z = f ( x, y ) satisface la ecuación de Laplace:


2 2
∂ z ∂ z
+ = 0 , demostrar que la función z = f (x −2y,2x + y) también
∂x 2 ∂y 2
satisface esta ecuación.

69. (
Dado: f x, y = xe ) x2 + y2
; σ (t ) = (t ,−t ) .
Encontrar: D( f o σ ) .

70. ( ) (
Dado f ( x, y ) = x 2 + 1, y 2 y g (u, v ) = u + v, u , v 2 . Calcular usando )
la regla de la cadena D( g o f ) (1,1) .

71. Dado: f ( x, y , z ) = xe x
2
+ y2 + z2
(
; r (t ) = t ,−t , t 2 ) . Encontrar:
D( f o r ) ó d / dt ( f (r (t ))) .


72. Encontrar ( f °T ) (0,0 ) donde:
∂s
(
f (u , v ) = cos u sen v ; T (s, t ) = cos t 2 s, ln 1 + s 2 )
73. Dado (
F (x, y ) = x 2 + 1, y 2 ) y (
G (u , v ) = u + v, u , v 2 ) calcular,
usando la regla de la cadena, la matriz diferencial de Go F en el
punto (1,1).
74. Sea z = 4 x 3 − 2 xy + y 2 estimar el cambio en ∆z y dz cuando (x, y)
cambia de los puntos (2.98, 1.03) al punto (3, 1).

Sea P = k   , donde k es una constante, sirve para calcular la presión


T
75. 
V 
de un gas en función de su volumen y temperatura. Encontrar el máx.
porcentaje de error aproximado que se puede obtener en el calculo de la
presión, si se puede introducir un error de ± 0.4% de la temperatura
y ± 0.9% en la medida del volumen.

76. El radio y la altura de un cilindro circular recto se mide con un posible


error del 4% y del 2% respectivamente, estimar el máximo porcentaje de
error, que eso implica para la medida del volumen.
Ejercicios Diferenciación de Funciones Escalares 143

77. El posible error involucrado al medir cada una de las dimensiones de una
caja son 0.5, 0.2, 0.15 cm. Encuentre cual es la variación o error de
volumen relativo de la caja.

78. Si el radio de un cilindro aumenta en 1% y la altura en un 2%, determine


el porcentaje en el cual cambia el volumen.

79. Al medir el diámetro y el lado de un cono circular recto se obtiene 10 cm.


y 20 cm. respectivamente. Si en cada medida hay un error probable de 0.2
cm. Cuál es, aproximadamente el mayor error posible en el valor
calculado del volumen.
CAPITULO 4
______________________________

“Las abejas..., en virtud de una cierta intuición


geométrica…, saben que el hexágono es mayor
que el cuadrado y que el triángulo, y que
podrá contener más miel con el mismo gasto de
material”

Pappus de Alejandría.

OPTIMIZACION
DE FUNCIONES ESCALARES

4.1 Fórmula de Taylor. Definición de la matriz Hessiana


4.2 Extremos de funciones escalares.
4.3 La matriz Hessiana como calificadora de la naturaleza de
extremos locales.
4.4 Extremos condicionados.
4.1 Formula de Taylor 145

4.1 FORMULA DE TAYLOR.

En el capítulo anterior usamos el plano tangente a una superficie para hacer


aproximaciones de la misma en la vecindad de un punto. Ahora ampliemos nuestro
campo de aplicación y veamos como podemos hacer este tipo de aproximaciones a
funciones escalares de orden superior, como por ejemplo funciones cuadráticas.

Para funciones derivables de una variable la fórmula de Taylor nos permite


disponer de un polinomio de grado “n” para esta aproximación, para funciones
n
escalares de R → R resulta complejo disponer de un polinomio de grado mayor a 2;
revisemos, primero, la fórmula de Taylor para una función derivable de variable real
en una vecindad de x 0 .

Un polinomio de grado “n” es de la forma:

Pn ( x) = a 0 + a1 x + a 2 x 2 + a 3 x 3 + .................... + a n x n

Como este polinomio lo usaremos para aproximar una función de variable real
en la vecindad de un punto, podemos escribir:

f ( x) ≈ a 0 + a1 x + a 2 x 2 + a3 x 3 + .................... + a n x n 4-1

Escribamos 4-1 en el punto x − x0 , que esta dentro de una vecindad cualquiera


de x:

f ( x ) ≈ a 0 + a1 ( x − x 0 ) + a 2 ( x − x 0 ) 2 + a 3 ( x − x 0 ) 3 + ........ + a n ( x − x 0 ) n 4-2

Veamos la forma de encontrar los coeficientes del polinomio en la ecuación 4-2:

f ( x0 ) = a 0 + 0 ⇒ a0 = f ( x0 )

f ' ( x) = a1 + 2a 2 ( x − x0 ) + 3a 3 ( x − x 0 ) 2 + ........ + na n ( x − x 0 ) n −1

f ' ' ( x) = 2a 2 + (2)(3)a 3 ( x − x0 ) + ........ + (n − 1)(n)a n ( x − x0 ) n − 2

f ' ' ' ( x) = (2)(3)a 3 + ........ + (n − 2)(n − 1)(n)a n ( x − x0 ) n −3


..........
f ( n ) ( x) = n!a n . De aquí podemos obtener los coeficientes:
146 Capítulo 4 Optimización de Funciones Escalares

f ' ( x0 ) = a1 + 0 ⇒ a1 = f ' ( x0 )

f ' ' ( x0 )
f ' ' ( x 0 ) = 2a 2 + 0 ⇒ a 2 =
2!

f ' ' ' ( x0 )


f ' ' ' ( x0 ) = 6a3 + 0 ⇒ a 3 =
3!
.
.
.
f ( n ) ( x0 )
f ( n ) ( x0 ) = n!a n ⇒ an = .
n!
Ahora podemos escribir la ecuación 4-2 de la siguiente forma:

f ' ' ( x0 ) f ( n) ( x0 )
f ( x) ≈ f ( x 0 ) + f ' ( x0 )( x − x0 ) + ( x − x 0 ) 2 + ..... + ( x − x0 ) n
2! n!

Que para hacer la igualdad le agregamos un error de aproximación:

f ' ' ( x0 ) f ( n ) ( x0 ) 4-3


f ( x ) = f ( x0 ) + f ' ( x0 )( x − x0 ) + ( x − x0 ) 2 + ..... + ( x − x0 ) n + Rn ( x , x0 )
2! n!

Donde el error Rn ( x, x0 ) para x cercano a x0 es:

x
( x − t ) n ( n +1)
R n ( x, x 0 ) = ∫ n! f (t )dt , y debe ser un valor pequeño entre más
x0

cerca se encuentre x de x0 ; se dice “un infinitésimo de orden superior a n” que


significa:

R n ( x, x 0 )
Lim = 0.
x → x0 ( x − x0 ) n

Nos interesa expresar la ecuación 4-3 aplicada a una función escalar


f ( X ) : R n → R , diferenciable en una vecindad de X 0 ∈ R n . Como el diferencial
de segundo orden, para este caso, es una matriz cuadrada, resulta complejo expresar la
fórmula 4-3 para un orden mayor al segundo; por cuanto el diferencial de tercer orden
4.1 Formula de Taylor 147

es el diferencial de la matriz cuadrada y resulta complejo expresarlo; peor todavía los


diferenciales de orden mayor.

Para f ( X ) : R n → R , el diferencial de primer orden es el vector gradiente, y


( X − X 0 ) se lo puede expresar como el vector:

( X − X 0 ) = ( x1 − x01 , x 2 − x02 ,......, x n − x0 n ) , entonces:

Fórmula de Taylor de primer orden:


Sea f ( X ) : U ⊂ R n → R ; diferenciable en X 0 ∈ R n , la fórmula de Taylor al
primer orden para f ( X ) en una vecindad de X 0 , se puede escribir de la forma:

f ( X ) = f ( X 0 ) + ∇f ( X 0 ) • ( X − X 0 ) + R1 ( X , X 0 )

Donde R1 ( X , X 0 ) es un infinitésimo de orden superior al primero y tiene la


propiedad que:
R1 ( X , X 0 )
Lim =0
X →X0 X − X0

Considerando X − X 0 como vector o matriz columna podemos escribir en forma


similar a la ecuación 4-3 la fórmula de Taylor de segundo orden:

Fórmula de Taylor de segundo orden:


Sea f ( X ) : U ⊂ R n → R ; doblemente diferenciable en X 0 ∈ R n , la fórmula de
Taylor al segundo orden para f ( X ) en una vecindad de X 0 , se puede escribir de
la forma:

f ( X ) = f ( X 0 ) + ∇ f ( X 0 ) • ( X − X 0 ) + 12 H [ f ( X 0 ) ][X − X 0 ] • ( X − X 0 ) + R 2 ( X , X 0 )

Donde R2 ( X , X 0 ) es un infinitésimo de orden superior al segundo y tiene la


propiedad que:
R2 ( X , X 0 )
Lim 2
=0
X →X0
X − X0
148 Capítulo 4 Optimización de Funciones Escalares

[X − X 0 ] es el vector diferencia expresado como matriz columna de la


siguiente forma:

 x1 − x01 
x − x 
 2 02 

 . 
[X − X 0 ] =  .  , matriz columna de dimensión n × 1
 
 . 
 
 
 x n − x0 n 

H [ f ( X )] es la matriz segunda derivada y se la llama matriz Hessiana,


definida de la siguiente forma:

Definición de Matriz Hessiana:


2
Sea f ( X ) : U ⊂ R n → R ; de tipo C en una vecindad de X 0 la matriz n×n:

 ∂2 f ∂2 f ∂2 f ∂2 f 
 2
... 
 ∂x21 ∂x 2 ∂x1 ∂x3 ∂x1 ∂x n ∂x1 
 ∂ f ∂2 f ∂2 f ∂2 f 
...
H [ f ( x)] =  ∂x1∂x 2 ∂x 2
2
∂x3 ∂x 2 ∂x n ∂x 2 
 
 : : : : 
 ∂2 f ∂ f2 2
∂ f ∂2 f 
 ... 2 
 ∂x1∂x n ∂x 2 ∂x n ∂x3 ∂x n ∂x n 

Se llama matriz Hessiana de la función escalar y representa su diferencial de


segundo orden.

Entonces, la misma fórmula de Taylor al segundo orden expresada en forma de


sumatorias se la escribiría de la siguiente forma:

n
∂f n n
∂2 f
f ( x) = f ( x o ) + ∑ ( x i − x 0i ) + 1
2 ∑ ∑ ∂x ∂x ( x i − x 0i )( x j − x 0 j ) + R 2 ( x, x 0 )
i =1 ∂x i i =1 j =1 i j
4.1 Formula de Taylor 149

La matriz Hessiana tiene las siguientes características:

• Es una matriz cuadrada de dimensión n x n.


• Tiene las derivadas parciales dobles en la diagonal principal y las mixtas en
la triangular superior e inferior.
• Es simétrica, porque las derivadas parciales mixtas son iguales.
• Hace el papel de la segunda derivada en funciones de variable real.

[ ][
El producto H f ( X 0 ) X − X 0 ], representa un producto de dos matrices, de
dimensiones (n × n) por (n × 1) y resulta un vector de n componentes que se
multiplica escalar mente con el vector diferencia X − X 0 y forma el tercer término de
la fórmula de Taylor al segundo orden.

producto escalar

1
f ( X ) = f ( X 0 ) + ∇f ( X 0 ) • ( X − X 0 ) + H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) + R2 ( X , X 0 )
2

producto matricial
2
Si la función escalar esta en R :

f : R2 → R

 ∂2 f ∂2 f 
 2  ( X − X o ) = ( x − xo ; y − yo )
∂x ∂y∂x 
[ ]
H f ( x, y ) =  2
∂ f ∂2 f 
 ∂x∂y ∂y 2 

Ejemplo 4-1 Escribir la fórmula de Taylor al 1er. orden para la función:


f ( x, y ) = Sen( x + 2 y ) en una vecindad de (0,0)

Solución: f ( x, y ) = Sen( x + 2 y )
∇f = (Cos ( x + 2 y ),2Cos ( x + 2 y ))

f (0,0) = 0
150 Capítulo 4 Optimización de Funciones Escalares

∇f ( 0, 0 )
= (1,2)

f ( x, y ) = 0 + (1,2) • ( x − 0, y − 0) + R1

f ( x, y ) = x + 2 y + R1 

Ejemplo 4-2 Escribir la fórmula de Taylor al 2º orden para la función:


f ( x, y ) = e xy sen( x + y ) en una vecindad de P (0, π2 )

Solución: [
∇f = ye xy sen( x + y ) + e xy cos( x + y ), xe xy sen(x + y ) + e xy cos(x + y ) ]
 y 2e xy sen(x + y ) + ye xy cos(x + y ) + e xy sen(x + y ) + xyexy sen(x + y ) + 
 xy 
 ye cos(x + y ) − e sen( x + y )
xy
ye xy cos(x + y ) + xe xy cos(x + y ) − 
 e xy sen(x + y ) 
 
H[ f ]=  
 e xy sen(x + y ) + xye xy sen(x + y ) + 
 x 2e xy sen(x + y ) + xe xy cos(x + y ) +
 xe cos( x + y ) + ye cos( x + y ) −
xy xy

 xy xe xy cos(x + y ) − e xy sen(x + y ) 
 e sen(x + y ) 

∇f (0,π ) = ( π2 ,0)
2

π −1 0 
2

H [ f ] (0,π ) =  4 
2
 0 − 1

X − X 0 = ( x, y − π2 )
 x 
[X − X 0 ] =  π
y − 2 

H [ f ( X 0 )][ X − X 0 ] = ( π4 x − x,− y + π2 )
2

f (0, π2 ) = 1
∇f ( X 0 ) ⋅ ( X − X 0 ) = π2 x
4.1 Formula de Taylor 151

H [ f ( X 0 )][X − X 0 ] • ( X − X 0 ) = ( π4 x − x) x + ( y − π2 )(− y + π2 )
2

f ( x, y ) = 1 + x + 12 ( π4 − 1) x 2 + 12 ( − y 2 + πy − π4 ) + R2 ( x, y )
2 2
π
2

f ( x, y ) = π 8− 4 x 2 − 12 y 2 + y + (1 − π8 ) + R2 (x, y ) 
2 2
π π
2
x+ 2

Ejemplo 4-3 Encontrar la fórmula de Taylor al segundo orden para la función


f ( x, y ) = e x Cosy en una vecindad de (0,0) y analizar su
bondad de aproximación en (0.1,0.1)

Solución: ∇f ( x, y ) = (e x Cosy ,−e x Seny )


∇f (0,0) = (1,0)
f (0,0) = 1

 e x cos y − e x seny  1 0 
H [ f ( x, y )] =  x x  =  
− e seny − e cos y  ( 0,0 ) 0 − 1

[X − X o ] = 
x − 0  x
 =  
 y − 0  y

 x  1 0   x   x 
H [ f ( x o , y o )]   =     = − y 
 y  0 − 1  y   

f ( x, y ) = f ( x o , y o ) + ∇f ( x o , y o ) • (( x, y ) − ( x o , y o ) ) +
1
[H [ f (x o , y o )][( x, y ) − ( x o , y o )]] • [( x, y ) − ( x o , y o )] + R
2

f ( x, y ) = 1 + (1,0) • ( x, y ) + 12 ( x,− y ) • ( x, y ) + R2
= 1 + x + 12 ( x 2 − y 2 ) + R2
f ( x, y ) = 1 + x + 12 x 2 − 12 y 2 + R2
152 Capítulo 4 Optimización de Funciones Escalares

f (0.1,0.1) = 1.099649
f ( x, y ) ( 0.1, 0.1)
= 1.1

R2 ≈ 1.1 − 1.099649 ≈ 0.000351 

Como la fórmula de Taylor sirve para encontrar la aproximación de una función


escalar cualquiera a una función lineal o cuadrática en una vecindad de un punto dado,
es muy útil para demostrar teoremas o expresar definiciones o aplicaciones especiales
que sin esta fórmula darían mucha fatiga realizarlas como es el caso de las aplicaciones
de la matriz Hessiana para calificar valores extremos, que lo veremos más adelante. El
ejemplo 4-4 demuestra la regla de la cadena enunciada en la sección 3.5, teorema 3-10
y que dejamos pendiente su demostración en el capítulo anterior.

Ejemplo 4-4 Demostrar la regla de la cadena enunciada en el teorema 3-10,


sección 3.5.

Solución: Sea: g ( x0 ) = y 0 ; g ( x0 + h) , es el valor de la función en


cualquier punto x y a una distancia h de x0 . Entonces usando la
aproximación de Taylor al primer orden tenemos:

g ( x0 + h) = g ( x0 ) + Dg ( x0 )h + R g ( x0 , h)
Haciendo: k = Dg ( x0 )h + R g ( x0 , h) , tenemos:
g ( x0 + h) = g ( x0 ) + k ; por otro lado podemos ver que:

Limk = 0 .
h →0

Si se cumple la propuesta de la regla de la cadena:

D( f o g )( x0 ) = Df ( g ( x0 )) Dg ( x0 )

Entonces debemos hacer ver que f o g es diferenciable en x0 .

R f o g ( x0 , h) = ( f o g )( x0 + h) − ( f o g )( x 0 ) − Df ( g ( x 0 )) Dg ( x0 )h
O lo que es lo mismo:

R f o g ( x 0 , h) = f ( g ( x 0 + h)) − f ( g ( x 0 )) − Df ( g ( x 0 )) Dg ( x 0 ) h
4.1 Formula de Taylor 153

R f o g ( x 0 , h) = f ( g ( x 0 ) + k )) − f ( g ( x 0 )) − Df ( g ( x 0 )) Dg ( x 0 )h
R f o g ( x 0 , h) = f ( y 0 + k )) − f ( y 0 ) − Df ( y 0 ) Dg ( x 0 ) h
Para demostrar que f o g es diferenciable en x0 debemos hacer
R f o g ( x0 , h)
ver que Lim =0
h →0 h
Una fórmula de Taylor para f ( y 0 + k ) al primer orden es:

f ( y 0 + k ) = f ( y 0 ) + Df ( y 0 )k + R f ( y 0 , k ) , entonces:

R f o g ( x 0 , h) = f ( y 0 ) + Df ( y 0 ) k + R f ( y 0 , k ) − f ( y 0 ) − Df ( y 0 ) Dg ( x 0 ) h
R f o g ( x0 , h) = Df ( y0 )k + R f ( y0 , k ) − Df ( y0 ) Dg ( x0 )h , como:
k = Dg ( x0 )h + R g ( x0 , h) , entonces:

[ ]
R f o g ( x 0 , h) = Df ( y 0 ) Dg ( x 0 )h + R g ( x 0 , h) + R f ( y 0 , k ) − Df ( y 0 ) Dg ( x 0 )h

R f o g ( x0 , h) = Df ( y0 ) Dg ( x0 )h + Df ( y0 ) Rg ( x0 , h) + R f ( y0 , k ) − Df ( y0 ) Dg ( x0 )h
R f o g ( x0 , h ) = Df ( y0 ) Rg ( x0 , h) + R f ( y0 , k ) , o lo que es lo mismo:

R f o g ( x0 , h) = Df ( y 0 ) R g ( x0 , h) + R f ( y 0 , k )
Utilizando la desigualdad triangular:

R f o g ( x0 , h) ≤ Df ( y 0 ) R g ( x 0 , h) + R f ( y 0 , k )
Utilizando la propiedad matricial: Ax ≤ M x , donde A es una
matriz y M un número cualquiera, tenemos:

R f o g ( x0 , h) ≤ M R g ( x 0 , h) + R f ( y 0 , k ) , dividiendo todo
para h > 0:

R f o g ( x 0 , h) R g ( x0 , h) R f ( y0 , k )
0≤ ≤M + ; por otro
h h h
lado:
154 Capítulo 4 Optimización de Funciones Escalares

R f ( y0 , k ) R f ( y0 , k ) k
=
h k h

R f ( y0 , k ) R f ( y 0 , k ) Dg ( x0 )h + R g ( x0 , h)
=
h k h
Aplicando la desigualdad triangular y matricial antes expuesta:

R f ( y0 , k ) R f ( y 0 , k )  Dg ( x0 )h R g ( x 0 , h) 
≤  + 
h k  h h 
R f ( y0 , k ) R f ( y0 , k )  ~ h R g ( x 0 , h) 
≤ M + 
h k  h h 
R f ( y0 , k ) R f ( y 0 , k )  ~ R g ( x 0 , h) 
≤ M +  , remplazando:
h k  h 

R f o g ( x 0 , h) R g ( x 0 , h) R f ( y 0 , k )  ~ R g ( x0 , h 
0≤ ≤M + M + 
h h k  h 
Como:

R g ( x 0 , h)
Lim = 0 , por ser g ( x ) diferenciable en x 0 , y:
h →0 h

R f ( y0 , k )
Lim = 0 , por ser f ( x ) diferenciable en x 0 .
k →0 k
Entonces:

R f o g ( x 0 , h)
Lim = 0.
h →0 h

Esto demuestra que f o g es diferenciable en x0 , y el teorema de la regla de la


cadena queda demostrado. 
4.2 Extremos de Funciones Escalares 155

4.2 EXTREMOS DE FUNCIONES ESCALARES.

Sea f ( x) : U ⊂ R n → R ; xo ∈ U , β n ( xo , ρ ) una vecindad de xo en


R n ; ρ > 0 , si f ( x) ≤ f ( xo ) ∀x ∈ β n ( xo , ρ ) entonces se dice que en xo hay
un valor máximo local de f ( x) que es f ( x0 ) .

Si; por el contrario, f ( x) ≥ f ( xo ) ∀x ∈ β n ( xo , ρ ) entonces se dice que en


xo hay un valor mínimo local de f ( x) que es f ( x0 ) ; si f ( x) es tal que en
ciertas direcciones es un máximo local y en otras direcciones es un mínimo local,
entonces se lo llama punto de silla.

A los extremos de una función escalar se los llama también valores óptimos de
la función escalar o extremos relativos de la función escalar.

Teorema 4-1 (condición necesaria de óptimo)

Sea f ( x ) : U ⊂ R n → R , x0 ∈ U . Si en xo f ( x) tiene un extremo local,


entonces: ∇f ( x 0 ) = 0

Se llama condición necesaria de óptimo porque:

Si en x o hay un 
 extremo local  ⇒ [∇f ( xo ) = 0]
 

En x 0 exista un 
[∇f ( xo ) = 0] ⇒  extremo local 
 

 Demostración:

Supongamos que ∇f ( x 0 ) ≠ 0 .
La derivada direccional de f ( x) en x0 , en la dirección del gradiente:

2
f ´(xo; ∇f ( xo)) = (∇f ( x0 ) • ∇f ( x0 ) = ∇f ( xo) > 0
156 Capítulo 4 Optimización de Funciones Escalares

f ( xo + h∇f ( xo)) − f ( xo)


f ´(xo; ∇f ( xo)) = lim >0
h →0 h
Por lo tanto:

lim f ( xo + h∇f ( xo)) − f ( xo) > 0 , que implica:


h →0

f ( xo + h∇f ( xo)) > f ( xo) ⇒ en x0 no hay un máximo.

Como esto no es cierto, y en x0 si hay un máximo, encontramos un absurdo que


demuestra que evidentemente ∇f ( x 0 ) = 0 .

Ejemplo 4-5 Encontrar los extremos relativos de


la función f ( x, y ) = x 2 + y 2

∇f ( x, y ) = [2 x 2 y ] = [0 0]
Solución: 2 x = 0 ;
 ⇒ ( x, y ) = (0,0)
2 y = 0

Como se ve en la figura 4-1 el


paraboloide tiene un valor mínimo
en el punto (0,0) que es
f (0,0) = 0 y además es un
extremo absoluto de esta función. Figura 4-1


4.3 LA MATRIZ HESSIANA COMO CALIFICADORA DE LA


NATURALEZA DE EXTREMOS LOCALES.

La matriz Hessiana es una matriz cuadrada y simétrica, como lo vimos en la


sección 4-1, y puede estar expresada en forma diagonal o no; cuando está en forma
diagonal es porque tiene valores diferentes de cero sólo en la diagonal principal y el
resto de valores son cero, cuando esto no se cumple la matriz no es diagonal.

Si la matriz Hessiana es diagonal quiere decir que todas las derivadas parciales
mixtas de la función son cero y las dobles no; este razonamiento es muy importante
para poder demostrar la forma como sirve la matriz Hessiana para calificar la
naturaleza de los valores extremos. Ahora, si la matriz Hessiana es diagonal es
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 157

importante el signo que tienen los valores que están en la diagonal principal; esto nos
lleva hacer la siguiente clasificación de la matriz Hessiana:

∂ 2 f 
 2
0 0 ... 0 
 ∂x1 
Matriz Hessiana

0
∂2 f
0 ... 0 
 ⇒
H = 2 diagonal de dimensión
 ∂x 2  n×n
 : : : : 
 ∂2 f 
 0 0 0 ... 2 
 ∂ x n 

 ∂2 f ∂2 f ∂2 f ∂2 f 
 ... 
2
∂x2∂x1 ∂x3∂x1 ∂xn ∂x1  Matriz Hessiana no
 ∂x2 1
 ∂ f ∂2 f ∂2 f ∂ f 
2 ⇒ diagonal de dimensión
H =  ∂x1∂x2 ∂x2
2
∂x3∂x2
...
∂xn ∂x2 
n×n
 
 : : : : 
 ∂2 f ∂2 f ∂2 f ∂ f 
2

 ... 2 
 ∂x1∂xn ∂x2 ∂xn ∂x3∂xn ∂xn 

Si la matriz Hessiana es diagonal se la clasifica en las siguientes categorías de


acuerdo al signo de los elementos de la diagonal principal:

∂2 f
1. Si ∀i, 2
> 0 , (todos los términos de la diagonal principal son
∂xi
positivos) se dice que es “DEFINIDA POSITIVA”.
∂2 f
2. Si ∀i, 2
< 0 , (todos los términos de la diagonal principal son
∂xi
negativos) se dice que es “DEFINIDA NEGATIVA”.
∂2 f
3. Si ∀i, 2
≥ 0 , (todos los términos de la diagonal principal son no
∂xi
negativos) se dice que es “SEMI DEFINIDA POSITIVA”.
∂2 f
4. Si ∀i, 2
≤ 0 , (todos los términos de la diagonal principal son no
∂xi
positivos) se dice que es “SEMI DEFINIDA NEGATIVA”.

5. Términos no negativos y no positivos en la diagonal principal se dice


que es: “NO DEFINIDA NI POSITIVA NI NEGATIVA”.
158 Capítulo 4 Optimización de Funciones Escalares

Cuando la matriz Hessiana no es diagonal se deben calcular sus autovalores o


valores característicos, que por su naturaleza de ser simétrica son reales, y representan
los términos de la diagonal principal de la matriz diagonalizada. Entonces, para
ubicarla en cualquiera de las categorías anteriores se lo hará en función del signo de los
autovalores que serían los términos de la diagonal principal, así:

Sea λi el i-ésimo auto valor de la matriz:

1. Si ∀i, λi > 0 , (todos los autovalores son positivos) se dice que es


“DEFINIDA POSITIVA”.
2. Si ∀i, λi < 0 , (todos los autovalores son negativos) se dice que es
“DEFINIDA NEGATIVA”.
3. Si ∀i, λi ≥ 0 , (todos los autovalores son no negativos) se dice que es
“SEMI DEFINIDA POSITIVA”.
4. Si ∀i, λi ≤ 0 , (todos los autovalores son no positivos) se dice que es
“SEMI DEFINIDA NEGATIVA”.
5. Autovalores no negativos y no positivos se dice que es: “NO
DEFINIDA NI POSITIVA NI NEGATIVA”.

Teorema 4-2 (Criterio para calificar la naturaleza de los valores extremos)

Sea f ( x ) : U ⊂ R n → R , de tipo C 2 (U ) , x0 ∈ U . Si en xo f (x) tiene un


extremo local y H [ f ( x0 )] es su matriz Hessiana definida en xo , entonces:

1. Si H [ f ( x0 )] es definida positiva, entonces en x0 hay un valor mínimo


de la función f ( x0 ) .
2. Si H [ f ( x0 )] es definida negativa, entonces en x0 hay un valor
máximo de la función f ( x0 ) .
3. Si H [ f ( x0 )] es semi-definida positiva, entonces en x0 “puede existir”
un valor mínimo de la función f ( x0 ) .
4. Si H [ f ( x0 )] es semi-definida negativa, entonces en x0 “puede existir”
un valor máximo de la función f ( x0 ) .
5. Si H [ f ( x0 )] es no definida, entonces en x0 hay un punto de silla de la
función f ( x0 ) .
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 159

 Demostración:

Como en x0 hay un extremo local de la función, del teorema 4-1 tenemos que
∇f ( x 0 ) = 0 .

Una aproximación cuadrática de la función escalar en una vecindad de x0 está


dada por:

f ( X ) = f ( X 0 ) + ∇ f ( X 0 ) • ( X − X 0 ) + 12 H [ f ( X 0 ) ][X − X 0 ] • ( X − X 0 ) + R 2 ( X , X 0 )

Que por haber en x0 un extremo local la aproximación queda:

f ( X ) = f ( X 0 ) + 12 H [ f ( X 0 )][ X − X 0 ] • ( X − X 0 ) + R2 ( X , X 0 )

O lo que es lo mismo:

f ( X ) − f ( X 0 ) = 12 H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) + R 2 ( X , X 0 )

Si H [ f ( x0 )] es definida positiva; 1
2 H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) > 0

Y por supuesto 1
2 H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) + R 2 ( X , X 0 ) > 0 , por
ser R 2 ( X , X 0 ) un infinitésimo; entonces:

f ( X ) − f ( X 0 ) > 0 y eso prueba que en f ( x0 ) hay un mínimo local.

De igual forma:

Si H [ f ( x0 )] es definida negativa; 12 H [ f ( X 0 ) ][X − X 0 ] • ( X − X 0 ) < 0

Y por supuesto 1
2 H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) + R 2 ( X , X 0 ) < 0 , por
ser R 2 ( X , X 0 ) un infinitésimo; entonces:

f ( X ) − f ( X 0 ) < 0 y eso prueba que en f ( x0 ) hay un máximo local.

Para el caso de que la matriz Hessiana sea semi-definida positiva o negativa el


razonamiento es así:
160 Capítulo 4 Optimización de Funciones Escalares

1
2
H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) ≥ 0

1
2
H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) ≤ 0

Esto no garantiza que:

1
2 H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) + R 2 ( X , X 0 ) ≥ 0

1
2 H [ f ( X 0 ) ][ X − X 0 ] • ( X − X 0 ) + R 2 ( X , X 0 ) ≤ 0

Por cuanto en este caso la presencia del infinitésimo si afecta el signo de este
término y esto no permite aseverar que se pueda tratar de un mínimo o máximo,
respectivamente, sino solo afirmar que “puede tratarse” de estos extremos.

Con el razonamiento anterior es obvio que si H [ f ( x0 )] es no definida


entonces:

f ( X ) − f ( X 0 ) ≤ 0 o f ( X ) − f ( X 0 ) ≥ 0 y por supuesto se trata de un


punto de silla.

En el caso del ejemplo 4-5 la matriz Hessiana es:

2 0
H [ f ( x, y ) ] =  
 0 2

Definida positiva lo que indica que en el punto (0,0) hay un valor mínimo de la
función y es un extremo absoluto por cuanto la matriz Hessiana ni siquiera depende del
valor (0,0) para ser definida positiva sino que lo es en todo el dominio de la función.

Con los teoremas 1 y 2 podemos hacer un resumen del procedimiento tradicional


para encontrar y calificar los valores extremos de una función escalar, este
procedimiento lo presentamos en la figura 4-2:

Hay que tomar en cuenta en los ejercicios que si la matriz Hessiana es semi-
definida, debemos probar en todas las direcciones posibles antes de concluir que se
trata de un valor máximo o mínimo; en el caso de semi-definida es más fácil negar que
se trata de un valor extremo que afirmar que es un valor extremo; por cuanto en el
primer caso se trata de probar un cuantificador de existencia mientras que en el
segundo caso se trata de probar un cuantificador universal y por lo tanto siempre
quedará la duda de lo afirmado.
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 161

Calcular: PROCEDIMIENTO TRADICIONAL


∇f ( x ) PARA OPTIMIZAR FUNCIONES
ESCALARES
H [ f ( x )]

∇f ( x ) = 0
Encontrar los posibles H [ f ( x 0 )] DIAGONAL
extremos (Calificar los
(valores críticos) valores críticos)

NO DIAGONAL
(Calcular autovalores)

Con los
autovalores
(Calificar los valores
críticos)
Figura 4-2

Ejemplo 4-6 Encontrar los extremos relativos de la función


2 2
f ( x, y ) = x − y

Solución: ∇f ( x, y ) = (2 x,−2 y )
∇f ( x, y ) = (0,0) ⇒ ( x, y ) = (0,0)

2 0 
H [ f ( x, y ) ] =   , no definida, por lo tanto en (0,0) hay
 0 − 2
un punto de silla 
162 Capítulo 4 Optimización de Funciones Escalares

Autovalores de una matriz


r r
Dada la matriz cuadrada A; se desea resolver las ecuaciones Av = λv donde λ
r
son los auto valores o valores propios de la matriz A y v son los auto vectores o
vectores propios de la matriz A correspondientes a λ .
r
La solución se da si existe al menos un numero real λ y un vector v ≠ 0 que
resuelva la ecuación. Esto es:

[A − λI ]vr = 0 ; (vector cero) 4-4

La ecuación 4-4 representa un sistema homogéneo de n ecuaciones con n


incógnitas que se resuelve de acuerdo a la regla de Cramer.

Regla de CRAMER
Si en un sistema homogéneo el determinante del sistema es diferente de 0 ⇒ que
el sistema tiene solución, única y es la solución cero.

Si en un sistema homogéneo el determinante del sistema es igual a 0 ⇒ que el


sistema tiene infinitas soluciones diferentes de la solución nula.

De la regla de CRAMER para que este sistema homogéneo de la ecuación 4-4


tenga “n” soluciones diferentes de cero, tiene que cumplirse que:

det[ A − λI ] = 0 4-5

La condición 4-5 da una ecuación en λ de grado “n” de cuya solución se


obtendrá “n” raíces entre reales e imaginarias. Estas raíces son los autovalores de A.

7 3 0 
Ejemplo 4-7 Encontrar los autovalores de la matriz: A = 3 7 4
0 4 7 

7 3 0  1 0 0
Solución: A − λI = 3 7 4 − λ 0 1 0
 
0 4 7  0 0 1
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 163

7 − λ 3 0 

det  3 7−λ 4  = 0
 0 4 7 − λ 

( )
(7 − λ ) (7 − λ ) 2 − 16 − 3(3(7 − λ ) ) = 0
(7 − λ )(49 − 14λ + λ 2 − 16) − 9(7 − λ ) = 0
( )
(7 − λ ) 33 − 14λ + λ2 − 9(7 − λ ) = 0
(7 − λ )(24 − 14λ + λ ) = 0
2

(7 − λ )(λ − 12)(λ − 2) = 0

 λ1 = 7

λ 2 = 12
λ =2
 3

Regresando a lo nuestro, esta matriz es definida positiva 

Ejemplo 4-8 Encontrar los valores extremos del campo escalar


f ( x, y ) = x 2 + y 2 − 2 x + 4 y + 5

Solución: ∇f = [2 x − 2 2 y + 4] = [0 0]

2x − 2 = 0 ⇒ x = 1
2 y + 4 = 0 ⇒ y = −2
Valor crítico: (1,-2)

2 0
H [ f ( x, y ) ] =   ; definida positiva
 0 2

∴ en (1,-2) hay un mínimo de la función que es: f (1,−2) = 0 


164 Capítulo 4 Optimización de Funciones Escalares

Ejemplo 4-9 Encontrar los valores extremos del campo escalar


f ( x, y ) = x 2 − 2 xy + y 2 + x 3 + y 3

Solución: [
∇ f ( x, y ) = 2 x − 2 y + 3 x 2 ]
− 2 x + 2 y + 3 y 2 = [0 0]

2 x − 2 y + 3x 2 = 0
− 2x + 2 y + 3y 2 = 0
3( x 2 + y 2 ) = 0
⇒ (0,0) Valor crítico

2 + 6 x −2 
H [ f ( x, y ) ] = 
 −2 2 + 6 y 

 2 − 2
H [ f (0,0)] =   ; como no es diagonal, calculamos los
− 2 2 
autovalores: Y

2 − λ − 2  +
det  =0 +
 − 2 2 − λ +
+
(2 − λ ) 2 − 4 = 0 +
+
+ ++
4 − 4λ + λ 2 − 4 = 0 --- - -+++ +++++++++ X
-1 + 1
λ ( λ − 4) = 0 +
λ1 = 0 -
-
λ2 = 4 ; -
Semi definida positiva - Figura 4-3

Como es semi definida no podemos aseverar que se trate de un


mínimo; procedemos a comprobar esto en distintas direcciones.

2 3
En la dirección: y = 0 eje " X " ; f ( x,0) = x + x
Como se ve en la figura 4-3, en una pequeña vecindad de (0,0) si se
trata de un mínimo.
Como se aprecia en la misma figura lo mismo pasa para la
dirección del eje “Y” x = 0 ; pero no para el caso de la dirección
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 165

y = x , donde se aprecia que no cumple, esto nos hace concluir


que la función no tiene extremos.

x = 0 eje "Y " ; f (0, y ) = y 2 + y 3

y=x ; f ( x, x ) = 2 x 3 

Ejemplo 4-10 Encontrar los valores extremos del campo escalar:


f ( x, y ) = x 3 − x 2 y + y 2 − x 2

Solución: [
∇f = 3 x 2 − 2 xy − 2 x − x 2 + 2 y = [0 0] ]
3x 2 − 2 xy − 2 x = 0
⇒ 2
− x + 2 y = 0

x2  x2 
y= ⇒ 3x 2 − 2 x  − 2 x = 0
2  2
3x 2 − x 3 − 2 x = 0
x(3 x − x 2 − 2) = 0
x=0 3x − x 2 − 2 = 0
x = 2; x = 1

Existen tres puntos críticos: (0,0); (1, 12 ); (2,2)

6 x − 2 y − 2 − 2 x  − 2 0
Hf =  Hf =
 − 2x 2  ( 0,0 )
 0 2

No definida, ⇒ (0,0) es un punto de silla

 3 − 2 3 − λ −2 
Hf = ; det  =0
2 − λ 
 1
 1, − 
 2− 2 2   −2
(3 − λ )(2 − λ ) − 4 = 0
166 Capítulo 4 Optimización de Funciones Escalares

6 − 5λ + λ2 − 4 = 0
λ2 − 5λ + 2 = 0

5 ± 25 − 8
λ= ; λ1 = 4.56; λ 2 = 0.43 ; definida (+)
2

En (1, 12 ) hay un mínimo.

 6 − 4 6 − λ −4 
Hf = ; det  =0
( 2, 2)
 − 4 2   −4 2 − λ 

(6 − λ )(2 − λ ) − 16 = 0
12 − 8λ + λ2 − 16 = 0
λ2 − 8λ − 4 = 0

8 ± 64 + 16
λ= ; λ1 = 8.47; λ 2 = −0.47 ; no definida
2

En (2,2) hay un punto de silla.

⇒ La función tiene un mínimo en (1, 12 ) y dos puntos de silla


en los puntos (0,0); ( 2,2) . 

Ejemplo 4-11 Encontrar los extremos de: f ( x, y) = x 4 + y 4 − 2 x 2 + 4 xy − 2 y 2

 4 x 3 − 4 x + 4 y  0 
Solución: ∇f =  3 = 
 4 y + 4 x − 4 y  0 

x3 − x + y = 0 ; ⇒ y = x − x3
y3 + x − y = 0
(x − x3 )3 + x − x + x3 = 0
x 3 (1 − x 2 ) 3 + x − x + x 3 = 0
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 167

x 3 (1 − 3 x 2 + 3 x 4 − x 6 ) + x 3 = 0
x 3 − 3x 5 + 3x 7 − x 9 + x 3 = 0
x 9 − 3x 7 + 3x 5 − 2 x 3 = 0
x 3 ( x 6 − 3 x 4 + 3 x 2 − 2) = 0 ; ⇒ x = 0; y=0
6 4 2
( x − 3 x + 3 x − 1) − 1 = 0
( x 2 − 1) 3 − 1 = 0 ; diferencia de cubos
( x 2 − 1 − 1)( x 4 − 2 x 2 + 1 + x 2 − 1 + 1) = 0
( x 2 − 2)( x 4 − x 2 + 1) = 0
( x 4 − x 2 + 1) = 0 ; no sirve porque son valores imaginarios

⇒ x2 = 2 x=± 2

Puntos Críticos ( 0 , 0 ) ; ( 2 ,- 2 ) ; (- 2 , 2 )

12 x 2 − 4 4 
H ( x) =  
 4 12 y 2 − 4

− 4 4 
H (0,0) =  
 4 − 4

hay que calcular valores característicos

−4−λ 4
=0 16 + 8λ + λ2 − 16 = 0
4 −4−λ

λ1 = 0 λ 2 = −8

La matriz Hessiana es semidefinida negativa; lo que no garantiza


que haya un máximo en este punto.

Analicemos en un entorno de (0 ,0); la figura 4-4 ilustra


gráficamente este análisis sobre las rectas y = x ; y sobre la recta
y = −x :
168 Capítulo 4 Optimización de Funciones Escalares

y=x
++ +
+
+ +
+ +
-- +
+
- +
X
++
+ --
- +
+ + +
+ ++
+
y = -x

Figura 4-4

y=x ⇒ f ( x, x) = 2 x 4 ; siempre positivos

y = −x ⇒ f ( x,− x) = 2 x 4 − 8 x 2 ; negativo dentro de una


pequeña vecindad de (0,0).

Esto indica que en (0,0) no existe un máximo.

20 4 
H ( 2 ,− 2 ) =  
 4 20

20 − λ 4
=0
4 20 − λ ⇒ (20 − λ ) 2 − 16 = 0

λ1 = 24 λ 2 = 16

Definido positivo, hay un mínimo

20 4 
H (− 2 , 2 ) =   ; lo mismo, por lo tanto:
 4 20

Hay mínimos en ( 2 ,− 2 ); ( − 2 , 2 )

f ( 2 , − 2 ) = ( − 2 , 2 ) = −8 
4.3 La Matriz Hessiana como calificadora de la Naturaleza de Extremos Locales 169

Ejemplo 4-12 Encontrar los extremos de la función:


f ( x, y ) = ( x − y 2 )(2 x − y 2 ) = 2 x 2 + y 4 − 3 xy 2

 4 x − 3 y 2  0 
Solución: ∇f =  3 = 
4 y − 6 xy  0

 4 − 6y 
H = 2 
− 6 y 12 y − 6 x 

∇f = 0
4x − 3 y 2 = 0 x = 34 y 2
4 y 3 − 6 xy = 0 ; 4 y 3 − 6( 34 y 2 ) y = 0
4 y 3 − 92 y 3 = 0 ⇒ x = 0 ; y=0

4 0
H (0,0) =   Semidefinida Positiva
0 0

Quiere decir que posiblemente se trata de un mínimo.

Veamos que pasa si analizamos la función sobre la recta y = ax ,


la figura 4-5 representa gráficamente este perfil para un cierto
valor de a:

y = ax

X
(0 , 0)

Figura 4-5
170 Capítulo 4 Optimización de Funciones Escalares

f ( x, ax) = 2 x 2 + a 4 x 4 − 3a 2 x 3

f ' = 4 x + 4a 4 x 3 − 9a 2 x 2

f ' ' = 4 + 12a 4 x 2 − 18a 2 x
∧ ∧
f ' (0) = 0 ; f ' ' (0) = 4 > 0 ⇒ Indica que la función tiene un
mínimo sobre cualquier perfil de la forma y = ax .

Sin embargo de esto no es suficiente para asegurar que se trata de


un mínimo. La figura 4-6 representa un análisis gráfico en una
pequeña vecindad de (0,0) entre las regiones planas limitadas por
las parábolas x = y 2 y x = 12 y 2 :

f=0

f=0
+ -
+ + -- +
+ + + + + X
+ + + ++
+ + - +
--
+
2x − y 2 = 0

x − y2 = 0

Figura 4-6

Vemos que escribiendo la función en la forma original.


f ( x, y ) = ( x − y 2 )(2 x − y 2 ) , nos permite análizar los signos de la
función en cada una de las subregiones como lo indica la figura.
En esta discución se ve que (0,0) no es un mínimo de la función a
pesar de que en los perfiles rectos de la forma y = ax si lo era.

∴ Esta función no tiene extremos. 

Es muy importante notar, como lo dijimos anteriormente y como lo intentan


explicar los ejemplos anteriores, que cuando la matriz Hessiana es semidefinida
positiva o negativa es bastante difícil demostrar que se trate de mínimos o máximos
respectivamente; es más fácil negar esta afirmación si el ejercicio lo permite.
4.4 Extremos Condicionados 171

4.4 EXTREMOS CONDICIONADOS.

Es importante que comprendamos lo que se conoce como un problema de


extremos condicionados; que lo identificamos como un problema de calcular los
valores máximos o mínimos sujetos a un conjunto de restricciones.

Es muy común hablar de problemas condicionados; por ejemplo, en el campo de


los negocios, una empresa que produce algunos artículos necesita saber cuales deben
ser los niveles de producción de cada uno de los artículos que produce, para maximizar
sus utilidades, sujeto a restricciones de capital disponible, materia prima por
disponibilidad de proveedores, capacidad de producción instalada, características de
mercado y muchas otras restricciones más que son muy comunes en el mundo de los
negocios, este ejemplo y muchos más que son frecuentes en este campo son problemas
de extremos condicionados.

Un problema condicionado lo podemos formular así:

Optimizar: z = f (X ) Función objetivo

 g1 ( X ) = b1
 g (X ) = b
 2 2
Sujeto a:  Conjunto de restricciones
 .
 g k ( X ) = bk

Donde z = f ( X ) : R n → R , y g i ( X ) = bi para i = 1,2,......, k son


n
superficies de nivel en R .
La figura 4-7 representa un
problema condicionado:

El mínimo de z = x2 + y2 ,
sujeto a la restricción:

ax + by + cz + d = 0 (plano π )

El punto P1 es el mínimo
Extremo
absoluto de la función y el punto P2
Condicionado representa el mínimo condicionado al
plano π , como puede apreciar en
este gráfico resolver este problema
x Extremo Absoluto
condicionado, geométricamente, es
Figura 4-7
172 Capítulo 4 Optimización de Funciones Escalares

encontrar el mínimo de la función sobre el corte o intersección de la superficie con el


plano

El conjunto de restricciones no necesariamente son igualdades, pueden también


ser desigualdades de la forma:

 g1 ( X ) ≤ b1  g1 ( X ) ≥ b1
g ( X ) ≤ b g ( X ) ≥ b
 2 2  2 2
 o de la forma  o combinando las desigualdades
 .  .
 g k ( X ) ≤ bk  g k ( X ) ≥ bk
con las igualdades.

Existen algunos métodos para resolver este tipo de problemas condicionados, de


los cuales los más comunes y que estudiaremos en este libro son el de Los
Multiplicadores de Lagrange, para el caso de que sólo existan restricciones de
igualdad y el de las condiciones de Kuhn Tucker para el caso de que existan
desigualdades en el conjunto de restricciones, analizaremos cada uno de estos métodos
por separado.

METODO DE LOS MULTIPLICADORES DE LAGRANGE

Consideremos el problema:

Optimizar z = f (X )

 g1 ( X ) = b1
 g (X ) = b
 2 2
Sujeto a: 
 .
 g k ( X ) = bk

Podemos construir una función que asocie la función objetivo del problema
original y el conjunto de restricciones de la siguiente manera:

L( x1, x2 ,......,xn , λ1, λ2 ,........,λk ) = f ( X ) − λ1( g1( X ) − b1) − λ2 ( g2 ( X ) − b2 ) − .....− λk ( gk ( X ) − bk )


4.4 Extremos Condicionados 173

Esta nueva función no altera el valor de la función objetivo original porque se


k
esta restando el valor: ∑ λ (g ( X ) − b ) ,
i =1
i i i
que es cero por contener todas las

restricciones igualadas a cero.

A la función L( x1 , x2 ,......, xn , λ1 , λ2 ,........, λk ) : R n + k → R , se la conoce como


función de Lagrange y los coeficientes λi se los conoce como Multiplicadores de
Lagrange, el óptimo de L( x1 , x2 ,......, xn , λ1 , λ2 ,........, λk ) es el óptimo del problema
condicionado.

Aplicando la condición necesaria de óptimo a la función de Lagrange


obtenemos:

∇L = 0 , esto implica:

∂L ∂f ∂g ∂g ∂g
= − λ1 1 − λ 2 2 − ......... − λ k k = 0; i = 1,2,....., n
∂xi ∂xi ∂xi ∂xi ∂xi
∂L
= g j ( X ) − b j = 0; j = 1,2,...., k
∂λ j

El método consiste en encontrar los valores de x y de λ que satisfagan las


condiciones:

∂L
= 0; i = 1,2,...., n
∂xi
∂L
= 0; j = 1,2,...., k
∂λ j

Esto lleva a resolver un sistema de n + k ecuaciones con n + k incógnitas,


donde por supuesto daremos prioridad al cálculo de las xi que es lo que generalmente
interesa en el problema original.

Ejemplo 4-13 Encontrar los extremos de la función:


f ( x, y , z ) = 3 x 2 + 4 y 2 + z 2 ,
sujeto a: x2 + y2 + z2 −1 = 0
174 Capítulo 4 Optimización de Funciones Escalares

Solución: Es un problema de extremos condicionados con una sola


restricción que también se lo puede resolver haciendo una
substitución directa de la restricción y trabajando sobre el corte de
la siguiente forma:

fˆ ( x, y ) = 3 x 2 + 4 y 2 + 1 − x 2 − y 2 o
fˆ ( x, y ) = 2 x 2 + 3 y 2 + 1 ,

4 x = 0
∇fˆ ( x, y ) = (4 x,6 y ) = (0,0) ⇒  , la solución es:
6 y = 0
(0,0,1) , calculemos la matriz Hessiana para probar si es máximo o
mínimo:

 2 0
[ ]
H fˆ ( x, y ) = 
0 6  ; definida positiva, lo que indica que el
 
punto antes mencionado es un mínimo.

Ahora procedamos por el método de Los Multiplicadores de


Lagrange, la función de Lagrange es de la forma:

L( x, y, z , λ ) = 3 x 2 + 4 y 2 + z 2 − λ ( x 2 + y 2 + z 2 − 1)
∇L = 0

 6 x − 2 xλ = 0
 8 y − 2 yλ = 0


 2 z − 2 zλ = 0
 x 2 + y 2 + z 2 = 1

Existen 6 puntos diferentes de la forma ( x, y, z , λ ) que satisfacen


este sistema:
(±1,0,0,m3); (0,±1,0,m4); (0,0,±1,m1) ,
probemos estos valores:

f (±1,0,0) = 3
f (0,±1,0) = 4
f (0,0,m1) = 1
4.4 Extremos Condicionados 175

Aquí se ve que(0,0,±1) son mínimos del problema condicionado


y (0,±1,0) son valores máximos del problema condicionado. 

Como podemos observar en el ejemplo anterior 4-13, por substitución directa


perdimos los extremos (0,0,−1) que también es un mínimo y los extremos (0,±1,0)
que son máximos locales; lo cual indica el cuidado que se debe tener cundo se aplica
substitución directa que es aplicable siempre que se tenga una sola restricción de
igualdad; pues, si se tiene mas de una restricciones de igualdad este método ya se
dificulta por cuento se tendría que trabajar sobre el conjunto solución de todas las
restricciones.

Ejemplo 4-14 Encontrar los extremos de la función: f (x , y ) = xy


sujeto a: x2 + y2 = 1 ⇒ y = 1 − x2

Solución: Por sustitución directa:


1
f ( x, y ) = x 1 − x 2 = ( x 2 − x 4 ) 2 = f ( x )
f ' (x ) = 1
2
(x 2
− x4 ) (2 x − 4 x ) = 0
− 12 3

2x − 4x 3 1− 2x 2 2 2
= = =0⇒ x=± ⇒ y=±
2 x −x 2 4
1− x 2 2 2

Los extremos son:

2 2 2 2 2 2 2 2
( 2 , 2 ) , (− 2 , 2 ), ( 2 ,− 2 ) , (− 2 ,− 2 )
2 2 2 2
f( 2 , 2 ) = f (− 2 ,− 2 ) = 12 , máximos condicionados
2 2 2 2
f( 2 ,− 2 ) = f (− 2 , 2 ) = − 12 , mínimos condicionados

Por Lagrange:

L ( x , y , λ ) = xy − λ x 2 + y 2 − 1 ( )
∇ L = y − 2 xλ [ x − 2λy x 2
+ y2 −1 ]

 y − 2 xλ = 0

 x − 2 yλ ) = 0 ; da como solución:
 x2 + y2 = 1

176 Capítulo 4 Optimización de Funciones Escalares

2 2 2 2 2 2 2 2
( 2 , 2 ) , (− 2 , 2 ) , (− 2 ,− 2 ), ( 2 ,− 2 )

Que da la misma solución obtenida por substitución directa. 

Ejemplo 4-15 Encontrar la distancia más corta entre la elipse


2 2
2 x + 3 y = 12 y la recta x + y = 6 .

Solución:

x+ y =6
d

x2 y2
+ =1
6 4 Figura 4-8

Como podemos apreciar en la figura 4-8, considerando que la


distancia de un punto a una recta en el plano es:
ax + by + c
d= , se lo puede plantear como un problema
a2 + b2
condicionado de la forma:

x+ y−6
Minimizar : f ( x, y ) =
2
2 2
Sujeto a: 2 x + 3 y = 12

L ( x, y , λ ) = 1
2
x + y − 6 − λ (2 x 2 + 3 y 2 − 12)

∇L = [ 2
2
− 2 xλ 2
2
− 6 yλ 2 x 2 + 3 y 2 − 12 ]
4.4 Extremos Condicionados 177

 22 − 2 xλ = 0
 2 x = −1.96 y = −1.3 λ = +0.09
 2 − 6 yλ = 0 ⇒
2 x 2 + 3 y 2 = 12 x = +1.96 y = +1.3 λ = −0.09

f (−1.96,−1.3) = 6.54
f (1.96.1.3) = 1.93
⇒ la mínima distancia entre la elipse y la recta es 1.93. 

Ejemplo 4-16 Cuál es el volumen del más grande paralelepípedo que puede ser
x2 y2 z2
inscrito en el elipsoide + + =1
9 16 36
Solución:

Figura 4-9

Figura 4-9

Como se puede ver en la figura 4-9, en el sistema cartesiano las


dimensiones del paralelepípedo son: 2 x × 2 y × 2 z , el problema
condicionado es de la forma:

Maximizar: 8 xyz
x2 y2 z2
Sujeto a: + + =1
9 16 36
178 Capítulo 4 Optimización de Funciones Escalares

x2 y2 z2
L( x, y, z , λ ) = 8 xyz − λ ( + + − 1)
9 16 36

 8 yz − 92 xλ 
 8 xz − 1 yλ   
0
 8   0
∇L =  8 xy − 1 zλ  = 
 x 2 y 2 z 2  0 
18

 +  
+ − 1 0
 9 16 36 

Esto lleva a resolver el sistema:

 8 yz − 92 xλ = 0
 8 xz − 1 yλ = 0
 8
 8 xy − 181 zλ = 0 , hay dos conjuntos de soluciones:
 x2 y2 z2
 + + =1
 9 16 36

x = 0
8 yz = 0 y = 0 z = 6
 
Si λ = 0 ; 8 xz = 0 ⇒  x = 0 y = 4 z = 0
8 xy = 0  x = 3 y = 0 z = 0

Todos estos valores dan volumen cero; valores mínimos


condicionados; para este caso no nos interesa.

Si λ ≠ 0 ; λ ( 92 x 2 − 18 y 2 ) = λ ( 18 y 2 − 181 z 2 ) = 0

4
x= 3 y= 3 3 z=2 3

El volumen máximo es: 64 3 unid3 

Ejemplo 4-17 Una caja rectangular abierta en la parte superior tiene un volumen
de 32 cm3, cada lado debe tener las dimensiones tales que la
superficie total sea máxima. Encontrar las dimensiones.
4.4 Extremos Condicionados 179

Solución: Sean x, y , z las


dimensiones de la caja:
z
Minimizar:
y
x
f ( x, y , z ) = 2 xz + 2 yz + xy Figura 4-10

Sujeto a: xyz = 32

L( x, y, z , λ ) = 2 xz + 2 yz + xy − λ ( xyz − 32)

 2 z + y − yzλ  0
 2 z + x − xzλ  0
∇L =  = 
2 x + 2 y − xyλ  0
   
 xyz − 32  0
Tenemos que resolver el sistema:

 2 z + y − yzλ = 0  2 xz + xy − xyzλ = 0
 2 z + x − xzλ = 0  2 yz + xy − xyzλ = 0
 
 ; 
2 x + 2 y − xyλ = 0 2 xz + 2 yz − xyzλ = 0
 xyz = 32  xyz = 32

2 xz − 2 yz = 0  z( x − y) = 0
 
 xy − 2 xz = 0 ;  x( y − 2 z ) = 0
 xyz = 32  xyz = 32
 

x ≠ 0; y ≠ 0; z ≠ 0 ⇒ x = y; y = 2 z.

( y )( y )( 2y ) = 32 ⇒ y 3 = 64; y=4

x = 4; y = 4; z = 2 ; son las dimensiones

Area max = 48 cm2 


180 Capítulo 4 Optimización de Funciones Escalares

INTERPRETACIÓN DEL MULTIPLICADOR DE LAGRANGE λ


En la mayoría de las aplicaciones del método de los multiplicadores de Lagrange
no es necesario calcular el valor numérico del multiplicador λ ; sin embargo ahora
analizaremos la importancia de la interpretación del multiplicador λ .

Sea M el valor óptimo de f ( X ) , sujeta a la restricción g ( X ) = k .

Entonces M = f ( X ) para alguna terna ( x1 , x 2 ,......, x n ) ∈ R n que satisfaga


las n + 1 ecuaciones que resultan de aplicar la condición necesaria de óptimo a la
función de Lagrange:

 f ' x1 = λg ' x1
 f ' = λg '
 x2 x2
n
 : , además las coordenadas de la terna ( x1 , x 2 ,......, x n ) ∈ R ,
 f ' = λg '
 xn xn

 g ( X ) = k

dependen de k ya que los diferentes niveles de la restricción llevarán por lo general


diferentes combinaciones óptimas de xi ; por lo tanto:

M = f ( X ) ; donde xi dependen de k ⇒ aplicando la regla de la cadena:

dM ∂M dx1 ∂M dx 2 ∂M dx n
= + + .......... + o lo que es lo mismo:
dk ∂x1 dk ∂x 2 dk ∂x n dk

dM dx dx dx
= f ' x1 1 + f ' x2 2 + .......... + f ' xn n por que M = f ( X ) , o:
dk dk dk dk

dM dx dx 2 dx
= λg ' x1 1 + λg ' x2 + .......... + λg ' xn n
dk dk dk dk
dM dx dx 2 dx n
= λ ( g ' x1 1 + g ' x2 + .......... + g ' xn ) ; o:
dk dk dk dk
4.4 Extremos Condicionados 181

dM dg
=λ aplicando la regla de la cadena,
dk dk

dg
Como g(X ) = k ⇒ = 1 y por supuesto:
dk

dM

dk

Esto quiere decir que λ representa el cambio del valor óptimo de


f ( X ) debido a un incremento unitario de k , que es el margen de la restricción. Visto
de otra forma; la variación del valor óptimo de la función con respecto al valor
marginal de la restricción.

Ejemplo 4-18 Un fabricante tiene asignado $60.000,00 para invertir en el


desarrollo y la promoción de un nuevo producto. Se ha calculado
que si gasta x miles de dólares en desarrollo y y miles de dólares
3
en promoción, se venderán aproximadamente f ( x, y ) = 20 x 2 y
unidades del nuevo producto.

a.- ¿Cuánto dinero debe gastar el fabricante en desarrollo y cuánto


en promoción para maximizar las ventas?

b.- Supóngase que le aumentan la asignación para invertir en


desarrollo y promoción a $60.200,00. Calcular de qué manera
afectará al nivel máximo de ventas los $200 adicionales.

Solución: a.- El problema condicionado será:

3
Maximizar f ( x, y ) = 20 x 2 y
Sujeto a: x + y = 60
3
L( x, y, λ ) = 20 x 2 y − λ ( x + y − 60)
182 Capítulo 4 Optimización de Funciones Escalares

30 x 2 y − λ  0
1

 
∇L =  20 x 2 − λ  = 0 , esto lleva a resolver el sistema:
3

 x + y − 60  0
   
30 x 2 y − λ = 0
1

 3

 20 x 2 − λ = 0 , la solución es: x = 36 y = 24
 x + y = 60


Esto es; para maximizar las ventas, el fabricante debe invertir


$36.000,00 en desarrollo y $24.000,00 en promoción y venderá
aproximadamente 103.680 unidades del nuevo producto.

dM
b.- Como: = λ , aplicando diferenciales tenemos:
dk

dM
∆M ≈ ∆k = λ∆k , calculemos λ
dk
3 3
λ = 20 x = 20(36) = 4.320 , ∆k = 0.2
2 2
(miles de dólares)

∆M ≈ (4.320)(0.2) = 864

Lo que quiere decir que las ventas máximas del nuevo producto se
incrementarán aproximadamente en 864 unidades, si el presupuesto
se aumenta de $60.000,00 a $60.200,00 

Hablando de maximización de utilidad sujeto a una restricción presupuestaria, el


multiplicador de Lagrange es el cambio aproximado en la utilidad máxima, resultante
de un incremento unitario en el presupuesto y los entendidos en esta materia lo conocen
como utilidad marginal del dinero.

CONDICIONES DE KUHN – TUCKER

Este procedimiento es utilizado cuando el problema condicionado tiene


restricciones de desigualdad y esta basado también en el método de Lagrange.

Consideremos el problema:
4.4 Extremos Condicionados 183

Maximizar: z = f (X )

Sujeto a: g i ( X ) ≤ 0 ; i = 1,2,........, m

Las restricciones de desigualdad pueden transformarse en igualdades


aumentándoles una variable no negativa que se la llama variable de holgura, para
asegurarnos la no negatividad tomemos esta variable como S i2 , i = 1,2,......, m ,
entonces el problema queda de la forma:

Maximizar: z = f (X )
Sujeto a: g i ( X ) + S i2 = 0 ; i = 1,2,........, m

Este es un problema al que le aplicamos el método de multiplicadores de


Lagrange y la función de Lagrange será de la forma:

L( x1 , x 2 ,.., x n , s1 , s 2 ,.., s m , λ1 , λ 2 ,.., λ m ) = f ( X ) − λ ( g ( X ) + S 2 ) 4-6

Donde: X = ( x1 , x 2 ,..., x n ) ∈ R n
S = ( s1 , s 2 ,...., s m ) ∈ R m
λ = (λ1 , λ2 ,...., λm ) ∈ R m
g ( X ) = ( g 1 ( X ), g 2 ( X ),...., g m ( X )) ∈ R m

Dado que: g i ( X ) ≤ 0 , una condición necesaria para la optimización es que λ


sea no negativa para casos de maximización y que sea no positiva para casos de
minimización; esto se justifica de la siguiente manera:

Como vimos anteriormente λ representa la tasa de variación de f ( X ) con


respecto a g (X ) ,

∂f
λ=
∂g

g ( X ) ≤ 0 aumenta sobre cero, el <espacio


conforme el lado derecho de la restricción
solución se hace menos restringido y, por lo tanto, f ( X ) no puede disminuir, esto
significa que λ ≥ 0 . De forma similar para la minimización, conforme aumenta un
184 Capítulo 4 Optimización de Funciones Escalares

recurso, f ( X ) no puede aumentar, lo que implica que λ ≤ 0 . Si las restricciones son


igualdades, es decir, g ( X ) = 0 entonces λ es no restringida en signo.

Las restricciones de λ son parte de las condiciones de Kuhn-Tucker, las


condiciones restantes las definiremos de la función de Lagrange, sacando las derivadas
parciales en la ecuación 4-6 con respecto a X , S y λ tenemos:

∂L
= ∇f ( X ) − λ ∇g ( X ) = 0
∂X
∂L
= −2λi S i = 0; i = 1,2,3,......, m
∂S i
∂L
= −( g ( X ) + S 2 ) = 0
∂λ

Del segundo conjunto de estas ecuaciones podemos obtener los siguientes


resultados:

1. Si λi no es cero, entonces S i2 = 0 , lo que significa que el recurso


correspondiente es escaso; por lo tanto, se consume por completo
(restricción de igualdad)
2. Si S i2 = 0 , entonces λi = 0 , lol que significa que el iésimo recurso
no es escaso y, en consecuencia, no afecta el valor de f ( X )

Del segundo y tercer conjunto de estas ecuaciones se infiere que:

λi g i ( X ) = 0; i = 1,2,3,...., m

Esta nueva condición repite el argumento anterior , por cuanto λi > 0 , implica
2 2
g i ( X ) = 0 o S = 0 . De igual manera, si
i g i ( X ) < 0 , S > 0 y λi = 0 .
i

Las condiciones necesarias de Kuhn-Tucker para que X y λ sean un punto


crítico del problema de maximización se resumen de la siguiente forma:
4.4 Extremos Condicionados 185

λ=0
∇f ( X ) − λ ∇g ( X ) = 0
λi g i ( X ) = 0, i = 1,2,3,..., m
g( X ) < 0

Se puede demostrar como ejercicio que estas condiciones también se cumplen


para el caso de minimización con la excepción de que λ debe ser no positiva. Tanto en
la maximización como en la minimización, los multiplicadores de Lagrange que
corresponden a las restricciones de igualdad no deben estar restringidos en signo.

Las condiciones de Kuhn-Tucker son necesarias y suficientes si la función


objetivo y el espacio solución satisfacen ciertas condiciones con respecto a la
convexidad y a la concavidad, que son las siguientes:

Maximización: función obj. Cóncava; espacio solución Conjunto convexo

Minimización: función obj. Convexa; espacio solución Conjunto convexo

Tomar en cuenta que en la práctica es más fácil demostrar que una función es
convexa o cóncava que demostrar que un conjunto es convexo.

Entonces un problema condicionado general, queda definido de la forma:

Maximizar o minimizar z = f (X )

g i ( X ) ≤ 0, i = 1,2,3,..., r
Sujeta a: g i ( X ) ≥ 0, i = r + 1,..., p
g i ( X ) = 0, i = p + 1,...., m

r p m
[
L( X , S , λ ) = f ( X ) − ∑ λi g i ( X ) + S i2 −] ∑ λ [g ( X ) − S ] − ∑ λ g ( X )
i i i
2
i i
i =1 i = r +1 i = p +1

Donde λi es el multiplicador asociado con la restricción i.


186 Capítulo 4 Optimización de Funciones Escalares

Ejemplo 4-19 Considerar el siguiente problema condicionado de minimización:

Minimizar: f ( x, y , z ) = x 2 + y 2 + z 2

g 1 ( x, y , z ) = 2 x + y − 5 ≤ 0
g 2 ( x, y , z ) = x + z − 2 ≤ 0
Sujeta a: g 3 ( x, y, z ) = 1 − x ≤0
g 4 ( x, y , z ) = 2 − y ≤0
g 5 ( x, y, z ) = − z ≤0

Solución: Como es un caso de minimización, λ ≤ 0 y las condiciones de


Kuhn-Tucker se resumen de la siguiente forma:

(λ1 , λ 2 , λ3 , λ 4 , λ5 ) ≤ 0
 2 1 0
 1 0 1

(2 x,2 y,2 z ) − (λ1 , λ 2 , λ3 , λ 4 , λ5 ) − 1 0 0 = 0
 
 0 − 1 0
 0 0 − 1
λ1 g1 = λ2 g 2 = ....... = λ5 g 5 = 0
g( X ) ≤ 0

Estas condiciones generan las siguientes ecuaciones:

λ1 , λ2 , λ3 , λ4 , λ5 ≤ 0
2 x − 2λ1 − λ 2 + λ3 = 0
2 y − λ1 + λ 4 = 0
2 z − λ 2 + λ5 = 0
λ1 (2 x + y − 5) = 0
λ 2 ( x + z − 2) = 0
λ3 (1 − x) = 0
Ejercicios Optimización de funciones escalares 187

λ4 (2 − y ) = 0
λ5 z = 0
2x + y ≤ 5
x+ z ≤2
x ≥ 1, y ≥ 2, z ≥ 0

La solución de este conjunto de ecuaciones es:

x = 1, y = 2, z = 0, λ1 = λ 2 = λ5 = 0, λ3 = −2, λ 4 = −4

Ya que tanto f ( x, y, z ) como el conjunto g ( x, y, z ) ≤ 0 son


convexos, L ( x, y , z , λi , S i ) debe ser convexa y el pinto crítico
encontrado es un mínimo restringido global. 

EJERCICIOS

2 x+3 y
1.- Dada la función f(x, y) = e
a) Encontrar una fórmula de Taylor de segundo orden para aproximar
esta función en una vecindad del punto (0,0).
b) Estime el error de aproximación en (0.01, -0.03).

(x −1)2
2.- Dada la función f( x , y ) = e cos y
a) Encontrar una fórmula de Taylor de segundo orden para aproximar
esta función en una vecindad del punto (1,0).
b) Estime el error de aproximación en (1.2, 0.2).

3.- Calcular aproximadamente el valor de:


0.98
ϕ=
15.03 + 3 0.97

4.- Utilice una aproximación de Taylor para estimar el valor de:


e0.03
2(0.98 ) + 2.02
3

Estimar el error de aproximación con tres cifras significativas.


188 Ejercicios Optimización de funciones escalares

5.- Calcular aproximadamente el valor de:


2.03 0.98
ψ = 3
24.97

6.- Si q es la capacitancia total de tres capacitores conectados en serie, tal que:


1 n= 3 1
=∑
q n =1 qn

Si las medidas de los capacitores son q1=25µF; q2=40µF; q3=50µF; con


errores del 0.5% en cada caso, estime el error máximo en el valor de q.

7.- Si el radio de un cilindro aumenta en un 1% y la altura en un 2%, determine


el porcentaje en el cual cambia el volumen y el área total de la superficie
externa.

8.- Determinar y clasificar los puntos críticos de las siguientes funciones:

a) f ( x, y ) = x 2 y − x − xy 2 + y
b) (
z = 0.5 − x 2 + y 2 e1− x ) 2
− y2

c) f (x, y ) = x 3 − x 2 y + y 2 − x 2
d) ( )(
f (x, y ) = x − y 2 2 x − y 2 )
1
e) f ( x, y , z ) = x 3 − x + 2 − y 2 + 2 y − z 2 + 2 z
3
2
− y 2 − z 2 + 2 y + xz
f) f ( x, y , z ) = e − x
g) z = senx + seny + sen( x + y ) ; en la región 0≤x≤
π
,0 ≤ y ≤
π
2 2
h) x y z 1
f (w, x, y , z ) = w + + + + +
w x y z
9.- La suma de tres números es 50. Determinar el valor de cada uno de ellos
para que el producto sea máximo.

10. Sean tres números positivos x, y, z determine el máximo producto de estos


tres números, si se sabe que su suma es constante.

11. Utilice este resultado para determinar si es verdadera la siguiente


proposición:
Ejercicios Optimización de funciones escalares 189

3
x+y+ z
xyz ≥
3

12. Hallar el volumen máximo de un sólido rectangular que tiene la propiedad


2
de que la suma de las área de las seis caras es 6a

13. Un paquete en forma rectangular se puede enviar por correo, si la suma de


su longitud y el perímetro de una sección transversal perpendicular a la
longitud es igual a 34cm. Encuentre las dimensiones del paquete de máximo
volumen que puede ser enviado por correo.

14. Demostrar que un triangulo es equilátero si el producto de los senos de sus


ángulos es máximo.

15. Determinar el volumen del paralelepípedo rectangular más grande que


x2 y2 z 2
puede inscribirse en el elipsoide + + =1
a2 b2 c2
3 2
16. Encuentre los puntos más cercanos al origen de la superficie xy z = 16.
x 2 + y 2 − xy − z 2 + 1 = 0
17. ¿Cuál es la distancia mínima entre C : 
 y el origen?
x 2 + y 2 = 1

18. Determine el área del paralelogramo de máxima área que se puede inscribir
en una elipse de ejes 2 y 3.

2z =16− x2 − y2
19. Hallar la distancia más cercana al origen y la curva C: 
x + y = 4

20. Hallar la distancia mínima entre 9x 2 + 16 y 2 = 144 y 5 x + 8 y = 40

21. Sea T (x, y, z) = 100+ x2 + y2 la temperatura en cada punto de la esfera


2 2 2
x + y + z = 50 . Hállese la temperatura máxima en la curva de
intersección de la esfera y el plano x−z =0
22. Cual es la máxima área que debe tener un rectángulo si la longitud de su
diagonal debe ser 2.
190 Ejercicios Optimización de funciones escalares

23. Obtenga los puntos sobre la curva de intersección del elipsoide


x 2 + 4 y 2 + 9 z 2 = 36 y el plano x − 4 y − z = 0 que están más cerca del
origen y calcular la distancia mínima.

24. Encontrar las dimensiones del paralelepípedo de volumen máximo que


x2 y2 z
puede ser inscrito en el sólido limitado por el paraboloide + = y
a2 b2 c
el plano z = c .
2
25. Hallar los puntos de la superficie z − xy = 1 más próximos al origen.
26. Halle que dimensiones debe tener una caja rectangular de máximo volumen
tal que la suma de su largo, ancho y altura debe ser c.
27. La suma de tres números x, y, z es 100, hállelos de tal modo que el producto
x a y b z c ; donde a, b y c son constantes, sea máximo.
28. Hallar el mayor volumen que puede tener una caja rectangular donde el área
total de su superficie debe ser igual a “A”.
29. Encontrar las dimensiones de la caja de máximo volumen que se puede
construir al recortar cuatro cuadrados en las esquinas de una plancha cuya
área es igual a “A”.
CAPITULO 5
_______________________________

“La geometría es una ciencia del conocimiento


del ser, pero no de lo que esta sujeto a la
generación o a la muerte. La geometría es una
ciencia de lo que siempre es”

Platón.

TRAYECTORIAS EN R3

5.1 Interpretación de una curva como una función vectorial de


variable escalar.
5.2 Definiciones de velocidad, rapidez, aceleración y longitud de
curva.
5.3 Vectores unitarios elementales, curvatura y componentes de la
aceleración para una curva en R3.
5.4 Fórmulas prácticas para calcular las componentes tangencial,
normal de la aceleración y curvatura.
5.5 Funciones vectoriales de variable vectorial.
5.6 Rotacional y divergencia de un campo vectorial.
5.7 Campos vectoriales gradientes.
5.1 INTERPRETACION DE UNA CURVA COMO UNA FUNCION
VECTORIAL DE VARIABLE ESCALAR.

Cuando estudiamos las ecuaciones paramétricas de una curva plana en el curso


de cálculo elemental para funciones de variable real, vimos que una forma de
parametrizar una función de variable real y = f (x ) es de la forma:
 x = g (t )
 ; esto es, expresar tanto la variable independiente x como la
 y = f ( g (t ))
variable dependiente y en función de un tercer parámetro t .

De igual forma, en el capítulo 2, estudiamos la forma paramétrica de expresar


una recta en R3. Sin temor a equivocarnos podemos expresar una curva cualquiera en
 x = x(t )

R en forma paramétrica de la forma:  y = y (t )
3
, este razonamiento lo
 z = f ( x(t ), y (t ))

podemos generalizar a la representación paramétrica de una curva en Rn, de la forma:

 x1 = x1 (t )
 x = x (t )
 2 2

 •
 , estas parametrizaciones son funciones
 •
 x n = x n (t )

 z = f ( x1 (t ), x 2 (t ),......., x n (t ))
vectoriales; de R → R 2 para una curva plana, de R → R 3 para una curva en el
n
espacio tridimensional y de R → R para una curva en el espacio n – dimensional;
estas parametrizaciones de trayectorias son funciones vectoriales de la forma:

σ (t ) = ( x1 (t ), x 2 (t ),........x n (t ))

Esta función, lo que hacen es transformar un número real del dominio en un


vector del espacio n – dimensional en el rango o imagen de la función; así:

t ∈ (a, b) ⊂ R → ( x1 (t ), x 2 (t ),........x n (t )) ∈ U ⊂ R n , a estas se las


conoce como trayectorias en Rn y son funciones vectoriales
n
σ (t ) : (a, b) ⊂ R → R .
Entonces, σ (t ) : (a, b) ⊂ R → R 3 , es una trayectoria en R3 como lo indica la
figura 5-1.

Z
σ (b)
σ (t )

( ) σ (a) Y
a b

X
Figura 5-1

Definición:

Una trayectoria en Rn es una función vectorial de la forma:

σ (t ) : t ∈ (a, b) ⊂ R → ( x1 (t ), x 2 (t ),........x n (t )) ⊂ R n

Donde x1 (t ), x 2 (t ),........, x n (t ) son sus componentes. Esta trayectoria es de


1
tipo C (diferenciable, hasta sus derivadas contínuas) en su dominio (a, b) si cada
una de sus componentes son también de tipo C1 en (a, b); σ ( a ), σ (b) son los
extremos de la trayectoria y su imagen es una curva en Rn

Entonces para una trayectoria en R3: σ (t ) = ( x(t ), y (t ), z (t )) ; x(t ) , y (t )


y z (t ) son las componentes de la trayectoria y esta es diferenciable en (a, b) si y sólo
si cada una de sus componentes son diferenciables en (a, b).

Ejemplo 5-1 Analizar el gráfico de la función: σ (t ) = (t − sent ,1 − cos t ) ,


que es una curva plana conocida como la cicloide, formada por la
trayectoria que describe un punto de un círculo rodante de radio 1.
Solución: El círculo esta en el plano “X,Y” y rueda sobre el eje “X”, de tal
forma que su centro se mueve hacia la derecha sobre la recta
y = 1 con rapidez constante de 1 radián por unidad de tiempo. El
punto del círculo rodante tiene un movimiento más complicado y
es la imagen de σ (t ) , la curva que va describiendo se conoce
como la cicloide, la misma que se representa en la figura 5-2

Figura 5-2 
Ejemplo 5-2 Representar una circunferencia de radio r como una trayectoria en
R2 y discutir su gráfico.

Solución: El círculo de radio r es una trayectoria en R2 y esta dada por la


función vectorial: σ (t ) = (r cos t , rsent ) que es la
parametrización de la circunferencia de radio r, usando
coordenadas polares, su gráfico se aprecia en la figura 5-3.
y

σ (t )

r

Figura 5-3 
Ejemplo 5-3 Analizar el gráfico de la función: σ (t ) = ( a cos t , asent , bt ) ,
que es una curva en R3, conocida con el nombre de hélice circular
recta.

Solución: Esta curva representa una espiral circular donde a es el radio de la


espira y b es el espaciamiento entre espiras, su gráfico se lo puede
apreciar en la figura 5-4. z

σ (t )

b
a

y
(a ,0,0 )

Figura 5-4
x

5.2 DEFINICIONES DE VELOCIDAD, RAPIDEZ, ACELERACION Y
LONGITUD DE CURVA.

Si consideramos una partícula de masa desplazándose por una trayectoria σ (t ) ,


la forma vectorial de la trayectoria representa el desplazamiento de la partícula en
función del tiempo t, si la trayectoria es diferenciable, su diferencial como lo vimos en
el capítulo 3 sección 3-5, tiene una singular importancia en el estudio del
desplazamiento de dicha partícula.

Definición:

Sea σ (t ) : t ∈ (a, b) ⊂ R → ( x1 (t ), x 2 (t ),.......x n (t )) ∈ R n , una trayectoria


1
de tipo C en (a, b) el diferencial de σ (t ) es la matriz columna
 x1 ' (t ) 
 x ' (t )
 2 
D[σ (t )] =  •  , que expresada como vector representa la velocidad de una
 
 • 
 x n ' (t )
partícula que se desplaza por la trayectoria en el tiempo t y es tangente a la misma
en cualquier punto.
Si la trayectoria esta en R3 es de la forma σ (t ) = ( x(t ), y (t ), z (t )) , su
velocidad es el vector σ ' (t ) = x ' (t )i + y ' (t ) j + z ' (t ) k , que expresado como
matriz columna es el diferencial de la función vectorial, y es tangente a la
trayectoria en cualquier punto.

Definición:

Sea σ (t ) : t ∈ (a, b) ⊂ R → ( x1 (t ), x 2 (t ),.......x n (t )) ∈ R n , una trayectoria


1
de tipo C en (a, b) la norma del vector velocidad es la rapidez; representada por:

S (t ) = σ ' (t )

Para una trayectoria en R3 la rapidez será:

S (t ) = ( x' (t )) 2 + ( y ' (t )) 2 + ( z ' (t )) 2

Definición:

Sea σ (t ) : t ∈ (a, b) ⊂ R → ( x(t ), y (t ), z (t )) ∈ R 3 , una trayectoria de tipo


C 1 en R3, la recta tangente a la curva en σ (t 0 ) , en forma vectorial y en
función del parámetro λ esta dada por:

l (λ ) = σ (t 0 ) + λσ ' (t 0 )

La recta tangente a la curva σ (t ) en R3, en forma paramétrica y en cualquier


punto será:

x(λ ) = x(t 0 ) + λx' (t 0 )


y (λ ) = y (t 0 ) + λy ' (t 0 )
z (λ ) = z (t 0 ) + λz ' (t 0 )
Ejemplo 5-4 Calcular el vector velocidad y la rapidez de la hélice
σ (t ) = (cos t , sent , t ) en R3

− sent 
Solución: v = σ ' (t ) =  cos t  ; v' = (− sent )i + (cos t ) j + k
 1 
S (t ) = v = (− sent ) 2 + (cos t ) 2 + 1 = 2 

Ejemplo 5-5 Considere una partícula que se mueve sobre la hélice


3
σ (t ) = (cos t , sent , t ) en R ; inicia su movimiento en el punto
σ (0) . En el tiempo t = π la partícula deja la trayectoria y vuela
hacia fuera por la
tangente, encontrar la
posición de la partícula en
el tiempo t = 2π z
suponiendo que ninguna
fuerza externa actúa sobre l (π )
ella después de abandonar y = σ ' (π )
la trayectoria.

σ (π )
Solución: σ (t ) = (cos t , sent , t )
l (λ )
σ ' (t ) = (− sent , cos t ,1) y
σ (0) = (1,0,0)
σ (0) = (1,0,0)
σ (π ) = (−1,0, π =) x Figura 5-5
σ ' (t ) = (0,−1,1)

Como se aprecia en la figura 5-5 el recorrido total lo realiza la


partícula por dos trayectorias; la primera es sobre la hélice σ (t ) ,
durante un tiempo t = π y la segunda sobre la recta tangente a la
hélice en el punto σ (π ) y durante un tiempo t = π , también, por
cuanto el tiempo total del recorrido es 2π ; por lo tanto al cabo del
tiempo t = 2π la partícula estará sobre la recta tangente y para
esto es necesario encontrar la ecuación de la recta tangente a la
hélice en el punto σ (π ) :
l (λ ) = (−1,0, π ) + λ (0,−1,1)

Luego la posición final de la partícula será en el punto l (π )

l (π ) = (−1,−π ,2π ) ; por lo tanto en el tiempo t = 2π la


partícula se encuentra en el punto (−1,−π ,2π ) 

Como la rapidez, representa el tamaño del vector velocidad en un punto dado, es


razonable pensar que la longitud del recorrido de una partícula desde t = a , hasta
t = b sea el limite de la longitud total de la poligonal que se formaría por los vectores
entre cada dos puntos, hasta cubrir el total del recorrido, cuando se toman infinitos
vectores desde t = a hasta t = b . Esta observación se la resume en la siguiente
definición.

Definición:

Sea σ (t ) : t ∈ (a, b) ⊂ R → ( x(t ), y (t ), z (t )) ∈ R 3 , una trayectoria de tipo


1 3
C en R , la longitud de curva desde t = a hasta t = b , esta dada por:
b
l (σ ) = ∫ σ ' (t ) dt
a

Otra forma de expresar la longitud de curva será:

b
l (σ ) = ∫ ( x' (t )) 2 + ( y ' (t )) 2 + ( z ' (t )) 2 dt
a

Si la curva esta en R2, la longitud de curva será:

b
l (σ ) = ∫ ( x' (t )) 2 + ( y ' (t )) 2 dt
a

Definición:

Sea σ (t ) : t ∈ (a, b) ⊂ R → ( x1 (t ), x 2 (t ),.......x n (t )) ∈ R n , una trayectoria


2
de tipo C en (a, b) la aceleración de una partícula de masa que se desplaza por
la trayectoria esta dada por: a = σ ' ' (t ) = ( x ' ' (t ), y ' ' (t ), z ' ' (t ))
Entonces resumiendo las definiciones que hemos estudiado hasta este punto
para una curva en R3 son:

Definiciones:

σ (t ) = ( x(t ), y (t ), z (t )) “Vector posición del punto”

v = σ ' (t ) = ( x' (t ), y ' (t ), z ' (t )) “Vector velocidad del punto”

a = σ ' ' (t ) = ( x' ' (t ), y ' ' (t ), z ' ' (t )) “Vector aceleración del punto”

S (t ) = σ ' (t ) = [x' (t )]2 + [ y ' (t )]2 + [z' (t )]2 “Rapidez (escalar)”

b
l (σ ) = ∫ [x' (t )]2 + [ y ' (t )]2 + [z ' (t )]2 dt ”Longitud de arco”
a

Ejemplo 5-6 Encontrar la longitud de una circunferencia de radio r:


σ (θ ) = (r cos θ , rsenθ )


Solución:
L= (− r Senθ ) 2 + (r Cosθ ) 2 dθ
0

L= ∫
0
r 2 Sen2θ + r 2 Cos 2θ dθ

2π 2π

∫ ∫
2
L= r dθ = r dθ = 2πr

0 0

Ejemplo 5-7 Encontrar la longitud de curva de la hipocicloide:


σ (t ) = (cos 3 t , sen 3 t ) , de t = 0 a t = 2π

Solución: Como podemos ver en la figura 5-6, la hipocicloide no es una


[ ]
curva diferenciable en 0,2π ; por lo tanto, para encontrar su
longitud total lo podemos hacer calculando la longitud de una de
sus ramas; del punto (1,0) al punto (0,1) y por ser simétrica
esta longitud la multiplicamos por 4, así:
1
3 3
Imagen de σ (t ) = (cos t , sen t )

σ ' (t ) σ (t )

1 1

Figura 5-6

1
π

L = 4 ∫ 2 (−3 cos 2 t sent ) 2 + (3sen 2 t cos t ) 2dt


0

L = 12 ∫ 2 cos 4 t sen 2 t + sen 4 t cos 2t dt


0

π
π
 sen 2 t  2
L = 12 ∫ 2 sent cos t dt = 12  
0
 2 0

L=6 

Ejemplo 5-8 Encontrar la longitud de trayectoria σ (t ) = (| t |, | t − 12 |,0 ) de


[− 1,1] .
Solución: Este recorrido se lo puede apreciar en la figura 5-7 y por tratarse de
una curva con la presencia de valor absoluto tampoco es
[ ]
diferenciable de − 1,1 y la podemos tomar por fragmentos de la
siguiente manera:

σ 1 (t ) = (−t ,−t + 12 ,0) de [− 1,0]


σ 2 (t ) = (t ,−t + 12 ,0) de [0, 12 ]
σ 3 (t ) = (t , t − 12 ,0) de [12 ,1]
Y

σ (−1)
1
σ ( 0) ( )
σ 12
X
( )
σ 12 1 2

Figura 5-7

L = L1 + L2 + L3
1
0 1
L=∫ 1 + 1dt + ∫ 2 1 + 1dt + ∫1 1 + 1dt
−1 0 2

2 2
L= 2+ 2 + 2 =2 2 

Ejemplo 5-9 (
Dada la hélice σ (t ) = cos 2t , sen 2t , 5t ) en [0,4π ] ,
calcular:
a.- La velocidad en t = 2π .
b.- La aceleración en t = 2π .
c.- La rapidez en t = 2π .
d.- la longitud de curva desde t = 0 a t = 4π .

Solución: a.- σ ' (t ) = (−2 sen 2t ,2 cos 2t , 5 )


v(2π ) = σ ' (2π ) = (0,2, 5)

b.- σ ' ' (t ) = (−4 cos 2t ,−4 sen 2t ,0)


a (2π ) = σ ' ' (2π ) = (−4,0,0)

c.- S (t ) = 4sen 2 2t + 4 cos 2 2t + 5 = 3


S (2π ) = 3 ; constante, independiente de t.


d.- L = ∫ 3dt = 12π 
0
5.3 VECTORES UNITARIOS ELEMENTALES CURVATURA Y
COMPONENTES DE LA ACELARACION PARA UNA CURVA EN R3.

Ahora aplicaremos los conceptos básicos estudiados en la sección anterior al


movimiento de una partícula sobre la trayectoria y a la interpretación geométrica de la
misma. Cuando una partícula se desplaza sobre una trayectoria C, su velocidad puede
cambiar lenta o rápidamente dependiendo de si la curva se dobla en forma gradual o
brusca, respectivamente. Para medir la rapidez con que se encorva, o cambia de forma
una curva, se usa el concepto de curvatura, que en otras palabras seria la mediad de la
rapidez con que la curva se tuerce o se dobla en un punto dado.

Comencemos con los conceptos básicos que son; los de Vector Tangente
Unitario y Vector Normal Unitario.

Definición:

Sea σ (t ) : t ∈ (a, b) ⊂ R → ( x1 (t ), x 2 (t ),.......x n (t )) ∈ R n , una trayectoria


2
de tipo C en (a, b), se conoce como vector tangente unitario, denotado por
σ ' (t )
T (t ) , a: T (t ) = ; de igual forma se conoce como vector normal unitario,
σ ' (t )
T ' (t )
denotado por N (t ) , a: N (t ) = .
T ' (t )

Como se puede apreciar en la Z


figura 5-8 T (t ) y N (t ) son vectores P T (t )
ortogonales y el primero es tangente a la
curva y el segundo normal a la misma;
además es fácil demostrar que T (t ) y
C N (t )
N (t ) son ortogonales. σ (t )

Y
Ejemplo 5-10 Demostrar que los
vectores tangente y
normal unitarios Figura 5-8
son perpendiculares X
en cualquier punto
de la curva.
Solución: T (t ) = 1 ; por ser un vector unitario
T (t ) • T (t ) = 1 ; propiedad del producto interno, sección 1-5
D[T (t ) • T (t )] = D[1] ; aplicando la regla de la cadena
T ' (t ) • T (t ) + T (t ) • T ' (t ) = 0
2T (t ) • T ' (t ) = 0 ⇒ lo que demuestra que T (t ) y T ' (t ) son
ortogonales. 

Ejemplo 5-11 Dada la hélice σ (t ) = (4 cos t ,4 sent ,3t ) para t ≥ 0 , encontrar


los vectores T (t ) y N (t ) en cualquier punto.

Solución: σ ' (t ) = (−4 sent ,4 cos t ,3)


(−4 sent ,4 cos t ,3)
T (t ) = = (− 45 sent , 54 cos t , 53 )
5

T ' (t ) = (− 45 cos t ,− 45 sent ,0)


(− 45 cos t ,− 45 sent ,0)
N (t ) = 4
= (− cos t ,− sent ,0) 
5

A continuación; primero definamos curvatura para una curva plana, para luego
hacerlo para una curva en R3.

Como lo dijimos anteriormente, Y


una curva plana puede parametrizarce de
muchas maneras; supongamos que la
paramatrizamos en función de la longitud
P r ' ( s)
s
de arco s , como lo vemos en la figura 5-
A
9 cualquier punto de la curva plana C C
estará dado por: r ( s ) = ( x ( s ), y ( s )) ,
r (s )
donde s , en este caso, es la longitud de
curva de los puntos A a P, derivando con
respecto a s se obtiene el vector tangente X

dx dy Figura 5-9
r ' ( s) = i+ j
ds ds
y su norma es:
2 2 2
 dx   dy   ds 
r ' ( s ) =   +   =   = 1 ; por cuanto, como se vio en el
 ds   ds   ds 
curso de cálculo elemental para funciones de variable real, el diferencial de longitud de
2 2
 dx   dy 
arco es: ds = (dx) 2 + (dy ) 2 =   +   dt .
 dt   dt 

En base a lo anterior r ' ( s ) es un vector unitario tangente a la curva C en el


punto P, como se aprecia en
la figura 5-9, a este vector lo R
denotamos por T (s ) . En la
figura 5-10 observamos que Y
θ es el ángulo que forma Y V
T (s ) con el vector unitario Q
i , la rapidez de variación de
θ con respecto a s esta C T (s )
dθ W
medida por y en el P θ
ds i
mismo gráfico podemos
apreciar que esta rapidez de X
variación es pequeña en los
puntos Q y V, donde la Figura 5-10
curva se dobla levemente;
mientras que en los puntos R
y W esta rapidez de
variación es grande y aquí la
curva se dobla en forma abrupta. Estas observaciones se concretan en la siguiente
definición.

Definición:

Sea C una curva plana regular, dada por: r ( s ) = ( x( s ), y ( s )) , donde el parámetro


s es la longitud de curva y sea θ el ángulo que forma el vector tangente unitario
T (s ) con el vector unitario i , la curvatura k de la curva C en el punto P(x, y) esta
dada por:

k=
ds
Ejemplo 5-12 Demostrar que la curvatura de una recta es cero en todos sus
puntos.

Solución: Como se aprecia en la


figura 5-11, en todos los
l
puntos de la recta l el
ángulo θ es constante; T (s )

dθ P θ = cte
por lo tanto =0 y
ds i
por lo tanto k = 0 en X
todos sus puntos.
Figura 5-11


Ejemplo 5-13 Demostrar que la curvatura en todos los puntos de una


1
circunferencia de radio R es .
R
Solución: En la figura 5-12
hemos graficado una Y
circunferencia de Y
radio R y con centro
en el origen; P es un T (s )
punto de la
circunferencia en el θ
primer cuadrante α P
es el ángulo AOP
medido en radianes y α
s es la longitud de 0 A(k ,0) X
arco AP, por lo tanto:
Figura 5-12
s
s = Rα ; α = ;
R
en la figura 5-12 podemos ver:
π s π
θ =α + = + ; derivando con respecto a s:
2 R 2
dθ 1 dθ 1
= +0 ⇒ k = = 
ds R ds R

Como mensaje del ejemplo 5-13 podemos definir radio de curvatura, denotado
por ρ , como el radio de una circunferencia imaginaria a la que pertenecería el arco de
curva C; con esto es fácil interpretar que el radio de curvatura de un recta es infinito y
el de cualquier otra curva regular que no sea recta es un valor finito definido por:
1
ρ= ; el inverso de la curvatura. 5-1
k

Si la curva plana esta como y = f (x) :

tan θ = y ' de donde, θ = tan −1 y ' 5-2

Derivando θ con respecto a x y aplicando la regla de la cadena se tiene:


dθ dθ ds dθ dx
= , ⇒ = 5-3
dx ds dx ds ds
dx

Como la curvatura es el valor absoluto de la variación de θ con respecto a s,


de la ecuación 5-3:


k= dx ; De la ecuación 5-2;
ds
dx
dθ 1
= 2
y ' ' y por otro lado ds = 1 + ( y ' ) 2 ; entonces:
dx 1 + ( y ' )

y' '
k= 5-4
[1 + ( y' ) ]
3
2 2

La ecuación 5-4 serviría para calcular la curvatura de una curva plana cuando se
tiene a la curva de la forma normal de expresar una función de variable real
y = f ( x) .
Si la curva esta dada en forma paramétrica σ (t ) = ( x(t ), y (t )) tenemos:

y ' (t ) −1  y ' (t ) 
tan θ = ; θ = tan   , derivando esta última:
x' (t )  x' (t ) 
dθ 1 x' (t ) y ' ' (t ) − x' ' (t ) y ' (t )
= , además:
dt 1 + ( y ' (t ) x' (t ) ) 2
( x' (t )) 2
ds
= ( x' (t )) 2 + ( y ' (t )) 2 , entonces:
dt

dθ dθ dt x' (t ) y ' ' (t ) − x' ' (t ) y ' (t )


k= = = 5-5
[ ]
3
ds ds dt ( x' (t )) 2 + ( y ' (t )) 2 2

La ecuación 5-5 sirve para calcular la curvatura de una curva plana cuando esta
está dada en forma paramétrica.

Sea C una curva regular en el espacio tridimensional, el análisis de la curvatura


no puede hacerse en forma análoga al que acabamos de hacer para una curva plana por
cuanto el ángulo θ no es único; por lo tanto el análisis lo vamos hacer desde otro
enfoque que es similar al usado para curvas en dos dimensiones.

En dos dimensiones, el vector tangente unitario T ( s ) se lo puede, también,


escribir:

T ( s ) = cos θi + senθj , donde θ es el mismo ángulo del que hablamos


anteriormente, derivando esta última con respecto a s tenemos:

dθ dθ dθ
T ' ( s ) = − senθ i + cos θ j= (− senθi + cos θj ) , su norma será:
ds ds ds

dθ dθ
T ' (s) = − senθi + cos θj = =k.
ds ds

Este es el enfoque que usaremos para analizar la curvatura en tres dimensiones,


escribiremos el vector tangente unitario T ( s ) sin hacer referencia al ángulo θ y luego
definiremos k como:
k = T ' ( s) 5-6
Dada la curva en R3 de la forma r ( s ) = ( x( s ), y ( s ), z ( s )) , como lo vimos
anteriormente:

2 2 2 2
 dx   dy   dz   ds 
r ' (s) =   +   +   =   = 1
 ds   ds   ds   ds 

Lo que quiere decir que T (s) = r ' (s ) .

Si la curva esta dada en función del parámetro t , de la forma:


σ (t ) = ( x(t ), y (t ), z (t )) , el vector tangente unitario también lo podemos escribir de
la forma:

σ ' (t )
T (s) = y por tanto: σ ' (t ) = T ( s ) σ ' (t ) 5-7
σ ' (t )

En la 5-7 como σ ' (t ) es la velocidad v(t ) y σ ' (t ) es la rapidez conocida


como la razón de cambio de la longitud de curva con respecto al tiempo, tenemos:

ds
v(t ) = T ( s ) , derivando esta expresión con respecto al tiempo, tenemos:
dt

d 2s ds d (T ( s )) d 2 s ds ds
a (t ) = v' (t ) = 2
T ( s ) + = 2 T ( s ) + T `( s )
dt dt dt dt dt dt
2
d 2s  ds 
a (t ) = v' (t ) = 2
T ( s ) +   T `( s ) 5-8
dt  dt 

Como se demostró en el ejemplo 5-10, las vectores T (s ) y T ' ( s ) son


perpendiculares; entonces el normal unitario en función del parámetro s esta dado por:

T ' (s)
N ( s) = , remplazando 5-6 en esta última tenemos:
T `( s )

T ' (s)
N (s) = , o lo que es lo mismo: T ' ( s ) = kN ( s ) 5-9
k
Remplazando 5-9 en 5-8, tenemos:
2
d 2s  ds 
a (t ) = v' (t ) = 2 T ( s ) + k   N ( s ) 5-10
dt  dt 
Como la aceleración se puede escribir de la forma:

a (t ) = aT T ( s ) + a N N ( s )
Z donde aT es la componente
d 2s
aT = 2 tangencial de la aceleración y aN
dt
T ( s) la componente normal de la
aceleración; podemos deducir de la
ecuación 5-10, que:
N ( s) a (t )
dv d 2 s
2 Y aT = = 5-11
 ds  dt dt 2
aN = K  
 dt 
2
Figura 5-13 2  ds 
X a N = kv = k   5-12
 dt 
La figura 5-13 permite
apreciar cada una de estas componentes de la aceleración.

5.4 FÓRMULAS PRÁCTICAS PARA CALCULAR LAS COMPONENTES


TANGENCIAL, NORMAL DE LA ACELERACIÓN Y CURVATURA.

Dada una curva en R3 como una función vectorial de la forma


σ (t ) = ( x(t ), y (t ), z (t )) , la componente tangencial de la aceleración es la
proyección escalar de la aceleración en la dirección del vector tangente unitario; por lo
tanto:

σ ' (t )
aT = a(t ) • T (t ) = σ ' ' (t ) • , de aquí:
σ ' (t )

σ ' (t ) • σ ' ' (t )


aT = 5-13
σ ' (t )
a (t ) en función de T (s ) y N (s ) en la
De igual forma que calculamos la
ecuación 5-10, también podemos expresar v(t ) en función de T (s ) de la siguiente
forma:
ds
v(t ) = vT ( s ) = T ( s ) , ahora hagamos el producto vectorial v(t ) × a (t ) :
dt

 d s 
2 2
 ds  ds 
v(t ) × a (t ) =  T ( s)  ×  2 T ( s) + k   N ( s)  , o lo que es lo mismo:
 dt   dt  dt  

3
 ds  d s 
2
 ds 
v(t ) × a(t ) =   2 (T ( s) × T ( s) ) + k   (T ( s ) × N ( s) ) , como:
 dt  dt   dt 

3
 ds 
T ( s ) × T ( s ) = 0 ⇒ v(t ) × a (t ) = k   (T ( s ) × N ( s ) , sacando la
 dt 
norma en esta última igualdad vectorial, y sabiendo que: T ( s ) × N ( s ) = 1 , tenemos:

3
 ds 
v(t ) × a (t ) = k   5-14
 dt 
Viendo la ecuación 5-12, podemos decir que la componente normal de la
ds
aceleración deducida de la ecuación 5-14, y sabiendo que es la rapidez,es:
dt

σ ' (t ) × σ ' ' (t )


aN = 5-15
σ ' (t )

De la 5-14 también podemos deducir una expresión práctica para la curvatura:

σ ' (t ) × σ ' ' (t )


k= 3
5-16
σ ' (t )
Ejemplo 5-14 Dada la trayectoria:
σ (t ) = (1 + cos t − sent , sent + cos t ) , encontrar:
a.- La velocidad y la rapidez.
b.- La aceleración tangencial, la aceleración normal, la curvatura y
el radio de curvatura

Solución: a.- σ (t ) = (1 + Cost − Sent )i + ( Sent + Cost ) j

v = D[σ (t )] = σ ' (t ) = (− Sent − Cost )i + (Cost − Sent ) j

rapidez = v = (−Cost − Sent ) 2 + (Cost − Sent ) 2


v = cos 2 t + 2 cos tsent + sen 2 t + cos 2 t − 2 cos tsent + sen 2 t

v = 2

b.- a = σ ' ' (t ) = (− cos t + sent )i + (− sent − cos t ) j

(− sent − cos t )(− cos t + sent ) + (cos t − sent )(− sent − cos t )
aT =
2

aT = 0

i j k
σ ' (t ) × σ ' ' (t ) = − sent − cos t cos t − sent 0
− cos t + sent − sent − cos t 0
σ ' (t ) × σ ' ' (t ) = 2k

2
aN = =2
2

2 2
a = aT + a N = 2
a = sen 2 t − 2 cos tsent + cos 2 t + sen 2 t + 2 sent cos t + cos 2 t
a = 2

2 1 2
k= = =
( 2) 3
2 2

1
ρ= = 2 
k

Ejemplo 5-15 Dada la trayectoria:


σ (t ) = (t , t 2 , t 3 ) , encontrar:
a.- La velocidad y la rapidez, para t = 1 .
b.- La aceleración tangencial, la aceleración normal, la curvatura y
el radio de curvatura, para t = 1 .

Solución: a.- σ (t ) = ti + t 2 j + t 3 k

v = D[σ (t )] = σ ' (t ) = i + 2tj + 3t 2 k

vt =1 = i + 2 j + 3k

rapidez = v = (1) 2 + (2t ) 2 + (3t 2 ) 2 = 1 + 4t 2 + 9t 4

v t =1 = 1 + 4 + 9 = 14

b.- a = σ ' ' (t ) = 2 j + 6tk

4t + 18t 3
aT =
1 + 4t 2 + 9t 4

22 11 14
aTt =1 = =
14 7
i j k
σ ' (t ) × σ ' ' (t ) = 1 2t 3t 2
0 2 6t
σ ' (t ) × σ ' ' (t ) = 6t 2 i − 6tj + 2k

36t 4 + 36t 2 + 4
aN =
1 + 4t 2 + 9t 4

38
a N t =1 =
7

Para t = 1:
2 2 1960
a = aT + a N = = 40
49
a = 4 + 36 = 40

76 1 38
k t =1 = =
( 14 ) 3
14 7

1 7
ρ t =1 = = 14 
k 38

5.5 FUNCIONES VECTORIALES DE VARIABLE VECTORIAL.

En el capitulo 2 sección 2-6, cuando hablamos de las funciones de varias


variables, mencionamos a las funciones vectoriales de variable vectorial como aquellas
que transforma un vector del dominio Rn en otro vector del rango Rm; esto es:

Podemos citar algunos ejemplos prácticos de este tipo de funciones como:


Imaginémonos un gas comprimido en una cámara; y en el, una función vectorial
que relaciona un punto cualquiera del interior de la cámara con la velocidad del gas de
una partícula del mismo situada en dicho punto del interior de la cámara; esta función
vectorial relaciona:

Como se puede ver es una función vectorial de R3 a R3

5.6 ROTACIONAL Y DIVERGENCIA DE UN CAMPO VECTORIAL.

Definición:

Dado un campo vectorial F : U ⊆ R 3 → R 3 , F = (F1 , F2 , F3 ) diferenciable,


∂ ∂ ∂
definido en el conjunto abierto U en R 3 , ∇ el operador  , ,  ; al
 ∂x ∂y ∂z 
producto vectorial (∇ × F ) se lo llama rotacional del campo y se lo simboliza
rot F .
i j k
rot F = (∇ × F ) = ∂
∂x

∂y

∂z

F1 F2 F3
 ∂F ∂F   ∂F ∂F   ∂F ∂F 
rot F =  3 − 2 i +  1 − 3  j +  2 − 1 k
 ∂y ∂z   ∂z ∂x   ∂x ∂y 

Observaciones
• El rotor del campo es un vector
• Es aplicable para verificar si un campo vectorial es gradiente o no.
• Es aplicable para verificar si un campo vectorial es de fuerzas rotacionales o
no.

Ejemplo 5-16 Encontrar el rotacional del campo


( ) (
F ( x, y, z ) = x + y i + xyz j + z + x k
2 2
)
Solución:
i j k
∂ ∂ ∂
rot F =
∂x ∂y ∂z
x2 + y xyz z2 + x
 ∂ 2  ∂ 2
=  ( ∂
)
z + x − ( xyz )i +  x +y −
∂ 2
z +x ( ) ( ) j
 ∂y ∂z   ∂z ∂x 
∂ ∂ 2 
+  ( xyz ) − (x + y k )
 ∂x ∂y 
= (0 − xy )i + (0 − 1) j + ( yz − 1)k
rot F = − xy i − j + ( yz − 1)k 

Teorema 5-1

Sea f : U ⊂ R 3 → R ; una función de clase C2 definida el conjunto abierto U de


R3 . Su gradiente ∇f : U ⊆ R 3 → R 3 , ∇f = ( ∂f
∂x )
, ∂∂fy , ∂∂fz . Entonces el rotacional
del gradiente es cero.

 Demostración:

i j k
∂ ∂ ∂
rot ∇f = ∂x ∂y ∂z
∂f ∂f ∂f
∂x ∂y ∂z

 ∂2 f ∂2 f   ∂2 f ∂2 f   ∂2 f ∂2 f 
=  − i +  −  j +  − k
 ∂z∂y ∂y∂z   ∂x∂z ∂z∂x   ∂y∂x ∂x∂y 
= (0,0,0 )
∴ rot ∇f = 0

Definición:
Dado un campo vectorial F : U ⊆ R 3 → R 3 , F = (F1 , F2 , F3 ) diferenciable,
∂ ∂ ∂
definido en el conjunto abierto U en R 3 , ∇ el operador  , ,  ; al
 ∂x ∂y ∂z 
producto vectorial (∇ • F ) se lo llama divergencia del campo y se lo simboliza
div F .

∂ ∂ ∂ ∂F ∂F ∂F
div F = (∇ • F ) =  , ,  • (F1 , F2 , F3 ) = 1 + 2 + 3
 ∂x ∂y ∂z  ∂x ∂y ∂z

Observaciones
• La divergencia del campo es un escalar
• La divergencia sólo se aplica para funciones vectoriales

Ejemplo 5-17 Encontrar la divergencia del campo


(
F ( x, y, z ) = e , x + y + z , xyz
xyz 2 2 2
)
Solución:
∂ ∂ ∂
(
div F =  , ,  • e xyz , x 2 + y 2 + z 2 , xyz )
 ∂x ∂y ∂z 
∂ xyz ∂ 2 ∂
=
∂x
( )
e +
∂y
(
x + y 2 + z 2 + ( xyz )
∂z
)
= yze xyz + 2 y + xy
div F = yze xyz + 2 y + xy 

Teorema 5-2

3 3
Sea F : U ⊆ R → R ; un campo de clase C2 definida el conjunto abierto U de
R3. Entonces la divergencia del rotacional del campo es cero.

 Demostración:
 ∂F ∂F   ∂F ∂F   ∂F ∂F 
rot F =  3 − 2 i +  1 − 3  j +  2 − 1 k
 ∂y ∂z   ∂z ∂x   ∂x ∂y 
∂  ∂F ∂F  ∂  ∂F ∂F  ∂  ∂F ∂F 
div(rot F ) =  3 − 2  +  1 − 3  +  2 − 1 
∂x  ∂y ∂z  ∂y  ∂z ∂x  ∂z  ∂x ∂y 
∂ 2 F3 ∂ 2 F2 ∂ 2 F3 ∂ 2 F1 ∂ 2 F2 ∂ 2 F1
= − + − + − =0
∂y∂x ∂z∂x ∂z∂y ∂x∂y ∂x∂z ∂y∂z
∴ div(rot F ) = 0

5.7 CAMPOS VECTORIALES GRADIENTES.

Una función vectorial en R3 ,


F ( x, y, z ) = ( f1 ( x, y, z ), f 2 ( x, y, z ), f 3 (x, y, z )) puede ser una función gradiente;
lo que quiere decir que puede tratarse del gradiente de una cierta función escalar (f) en
cuyo caso la función “f” se la llama función potencial del campo.
Las funciones gradientes constituyen campos conservativos (en los cuales el
trabajo es independiente de la trayectoria), las funciones que no son gradientes
constituyen campos disipativos o no conservativos (en los cuales el trabajo no es
independiente de la trayectoria).
Averiguamos si un campo vectorial F es o no gradiente con su rotor, si es igual a
cero es un campo gradiente, si distinto a cero no es gradiente. Cuando un campo es
gradiente podemos encontrar su función potencial.

Campo Vectorial Función


rot F = 0 Gradiente Potencial
Campo
Vectorial
F
Campo Vectorial No tiene
rot F ≠ 0 No gradiente Función Potencial

Ejemplo 5-18 Investigar si el campo vectorial F ( x, y, z ) = yi − xj es o no un


campo gradiente
i j k
∂ ∂ ∂
Solución: rot F = ∂x ∂y ∂z = 0i + 0 j + ( −1 − 1)k = −2k ≠ 0
y −x 0
i j k
rot F = (∇ × F ) = ∂
∂x

∂y

∂z

F1 F2 F3
 ∂F ∂F   ∂F ∂F   ∂F ∂F 
rot F =  3 − 2 i +  1 − 3  j +  2 − 1 k
 ∂y ∂z   ∂z ∂x   ∂x ∂y 
∴ F no es un campo gradiente
Ejemplo 5-19 Averiguar si el campo vectorial
(
F ( x, y, z ) = 2 xye x2 y 3
, z +x e es o
2 x2 y
no , 3 yz 2
)
conservativo, y en caso de serlo determinar su función potencial.

Solución:
i j k
∂ ∂ ∂
rot F = ∂x ∂y ∂z
2 2
2 xye x y
z 3 + x 2e x y
3 yz 2
= (3 z 2 − 3 z 2 )i + (0 − 0 ) j
2 2 2 2
+ ( 2 xe x y + 2 x 3 ye x y − 2 xe x y − 2 x 3 ye x y )k
=0
∴ F es un campo gradiente
∂f
f (x, y, z ) = ∫ 2xyex y ∂x =e x y + k ( y, z )
2 2 2
= 2xyex y
∂x x
∂f
∂y
2

y
2
( 2
)
= z 3 + x 2e x y f (x, y, z ) = ∫ z 3 + x2e x y ∂y = z 3 y + e x y + k (x, z )
∂f
= 3 yz2 f (x, y, z ) = ∫ 3yz2∂z = z 3 y + k (x, y )
∂z z

x2 y
f ( x, y , z ) = e + z y + k 
3
CAPITULO 6
______________________________

“Nuestras almas, cuyas facultades pueden


comprender la maravillosa arquitectura del
mundo, y medir el curso de cada planeta
vagabundo, aún escalan tras el conocimiento
infinito”

Christopher Marlowe.

INTEGRALES MULTIPLES

6.1. Integrales dobles.


6.2. Cálculo de una integral doble en regiones generales.
6.3. Cambio de orden de integración.
6.4. Cambio de variable en una integral doble.
6.5. Aplicaciones de la integral doble al cálculo de áreas y
volúmenes.
6.6. Integrales triples.
6.7. Integrales triples en regiones generales.
6.8. Cambio de variable en una integral triple.
6.9. Aplicaciones de la integral triple al cálculo de volúmenes.
6.1 INTEGRALES DOBLES.

Dada una función z = f ( x, y ) en D ⊂ R tal que z > 0 , ∀( x, y ) ∈ D ;


2

queremos encontrar el volumen del sólido limitado por “f” arriba de D, donde D es una
región rectangular definida por el producto cartesiano de 2 intervalos de R:
[ ] [ ] [ ]
D = a , b × c, d / x ∈ a , b ∧ y ∈ c, d . [ ]
z

z = f(x,y)

c d
y
a

b ∆x
∆y
x
Figura 6-1

Dividimos al intervalo [a, b] y [c, d ] en “n” particiones. Queda D dividida en


“n” celdas y cada celda tiene un área (∆x ∆y ) . Sea ∆V el volumen arriba de una
celda cualquiera si ∆x y ∆y son incrementos infinitesimales, entonces ∆V puede
considerarse como un paralelepípedo y su volumen será:
∆V = f (x, y )∆y∆x
Si consideramos V como la suma de los volúmenes de arriba de cada celda:
n n
V = ∑ ∆V = ∑∑ f ij ( x, y )∆xi ∆y j
j =1 i =1
Cuando se toma un número de particiones “n” muy grande entonces tendremos:
n n
V = lim ∑∑ f ij ( x, y )∆xi ∆y j
n →∞
j =1 i =1
d b
V = ∫ ∫ f ( x, y )∂x∂y
c a
Observaciones
i) La integral doble es un límite
a) Puede existir o no
b) Si existe es un número real.
ii) Sirve para calcular el volumen limitado por una función arriba de una región D.
D se llama Región de Integración y para el caso de la integral doble es un
subconjunto de R2 (región plana cualquiera).
a, b y c, d son los límites y van de acuerdo a la ubicación del diferencial

d b b d

∫ ∫ f (x, y )∂x∂y
c a
= ∫ ∫ f (x, y )∂y∂x
a c

interna interna

externa externa

La integral se evalúa en dos procesos de la integral definida independientes


considerando la constante la variable que no se integra; siempre se evalúa primero la
integral interna, luego la externa.

∫∫ (3xy + 2 x )
− y 3 ∂x∂y ; donde Q = [1,3]× [− 2,4]
2
Ejemplo 6-1 Calcular
Q

Solución: Resolvemos con el orden de integración indicado


3
4
3  4
 3x 2 y 2 3 3 
( )
∫−2 ∫1 3xy + 2 x − y ∂x ∂y = −∫2  2 + 3 x − y x ∂y
2 3

1
4
 56 
= ∫ 12 y + − 2 y 3 ∂y
− 2 
3
4
 56 
= 6 y 2 + y − 2y4 
 3  −2
= 72 + 112 − 120
= 64
Ahora resolvemos cambiando el orden de integración indicado
4
3
4  3
 3 xy 2 2 2 y4 
∫1 −∫2(3 xy + 2 x 2
− y )
3
∂y ∂x = ∫1  2 3 + x y −
4  − 2
∂x

3
(
= ∫ 18 x + 12 x 2 − 60 ∂x )
1

[ ]
= 9 x 2 + 4 x 3 − 60 x 1
3

= 72 + 112 − 120
= 64

Propiedades
Sean f, g dos campos escalares integrables en D ⊂ R 2 , sea α ∈ R :
1. ∫∫ ( f ± g ) ∂A = ∫∫ f ∂A ± ∫∫ g ∂A .
D D D

2. ∫∫α f ∂A = α ∫∫ f ∂A .
D D

3. Si f ≥ g , ∀( x, y ) ∈ D ; entonces ∫∫ f ∂A ≥ ∫∫ g ∂A .
D D

4. ∫∫ f ∂A ≤ ∫∫ f
D D
∂A

5. Sea Q = D1 ∪ D2 ∪ D3 ∪ K ∪ Dn ; entonces:

∫∫ f ∂A = ∫∫ f ∂A + ∫∫ f ∂A + ∫∫ f ∂A + L + ∫∫ f ∂A
Q D1 D2 D3 Dn
n

∫∫ f ∂A = ∑ ∫∫ f ∂A
Q i =1 Di

6.2 CÁLCULO DE UNA INTEGRAL DOBLE EN REGIONES GENERALES.

Adoptaremos tres tipos de regiones planas:

Tipo 1
y
f2(x)

D
f1(x)

a b x
Figura 6-2

{
D : ( x , y ) ∈ R 2 / a ≤ x ≤ b ∧ f1 ( x ) ≤ y ≤ f 2 ( x )}
Tipo 2

y g1(y) g2(y)
d

Figura 6-3

{
D : ( x , y ) ∈ R 2 / g1 ( y ) ≤ x ≤ g 2 ( y ) ∧ c ≤ y ≤ d }
Tipo 3
Este tipo de regiones pueden ser tipo 1 o tipo 2 indistintamente. Las regiones
tipo 3 son en realidad las regiones generales
y
y

x x

Figura 6-4

Sea D, región de integración, una región plana tipo 3; evaluar:

∫∫ f (x, y ) ∂x∂y
D
y
d
f2(x)

D
f1(x)
c R
a b x
Figura 6-5

Suponemos a D de tipo 1, totalmente incluida en una región R rectangular y


)
definimos f ( x, y ) de la siguiente manera:
)  f ( x, y ); ( x, y ) ∈ D
f ( x, y ) = 
 0; ( x, y ) ∉ D
z
z = f(x,y)

c d
y
a

D
b R

x f1(x) f2(x)
Figura 6-6

Suponemos a D de tipo 1, totalmente incluida en una región R rectangular y


)
definimos f ( x, y ) de la siguiente manera:
)  f ( x, y ); ( x, y ) ∈ D
f ( x, y ) = 
 0; ( x, y ) ∉ D
Resolviendo la integral:

∫∫ f (x, y ) ∂y∂x = ∫∫ fˆ (x, y ) ∂y∂x


D R

b  f1 ( x ) f2 (x)

b
d  d
= ∫  ∫ fˆ ∂y  ∂x = ∫  ∫ 0 ∂y + ∫ f ( x, y ) ∂y + ∫  ∂x
∂ y
a c  a 
 c f1 ( x ) f2 (x) 
b f2 ( x)
=∫ ∫ f (x, y )∂y ∂x
a f1 ( x )

Entonces tenemos:
b f2 ( x )

∫∫
D
f ( x, y ) ∂y∂x = ∫ ∫ f (x, y )∂y ∂x
a f1 ( x )
⇔ D es una región tipo 1

De idéntica manera:
d g2 ( x)

∫∫ f (x, y ) ∂x∂y = ∫ ∫ f (x, y )∂x ∂y


D c g1 ( x )
⇔ D es una región tipo 2
∫∫ x
2
Ejemplo 6-2 Calcular y 2 ∂A ; donde D es la región sombreada de la figura
D

Figura 6-7
Solución: Resolvemos tomando diferenciales horizontales entonces tenemos:
2 y−2 4 y+2
∫∫ x y 2∂A = ∫ ∫ x 2 y 2∂x∂y + ∫ ∫
2
x 2 y 2∂x∂y
0 0 2 0
D

=∫ 1
0 3
2
[ x3 y 2 ] y −2
0
∂y + ∫ 1
2 3
4
[ x3 y 2 ]y+2
0
∂y
2 4
=∫ y 2 ( y − 2 ) ∂y + ∫ y 2 ( y + 2 ) ∂y
1 3 1 3
0 3 2 3
2
( )
= 13 ∫ y 2 y 3 − 6 y 2 + 12 y − 8 ∂y
0

∫ y (y + 6 y + 12 y + 8)∂y
4
2 3 2
+ 13
2

∫ (y − 6 y + 12 y − 8 y )∂y
2
5 4 3 2
= 13
0

∫ (y + 6 y + 12 y + 8 y )∂y
4
5 4 3 2
+ 13
2

= 13 [ y − y + 3y − y ]
1
6
6 6
5
5 4 8
3
3 2
0

+ 13 [ y + y + 3y + y ]
1
6
6 6
5
5 4 8
3
3 4
2

= − 16
45 + 45
40976

= 8192
9

6.3 CAMBIO DE ORDEN DE INTEGRACIÓN.


Como se vio en capítulos anteriores para regiones rectangulares al cambiar el
orden de integración, los límites de las integrales por ser constantes se mantienen
iguales. Sin embargo cuando tenemos regiones tipo 3, éstas no siempre se pueden
resolver fácilmente con cualquier orden de integración. Es decir que cuando la región
es tipo 3 en algunos casos existe un orden de integración más conveniente que otros y
es importante identificarlo para facilitar el cálculo de la integral orden.
Al hacer el cambio de orden de integración se debe tener en cuenta que los
límites variables sólo pueden estar presentes en la integral interna y éstos deben estar
en función del diferencial externo; los límites de la integral externa serán valores
constantes.

2 6− y

∫ ∫ f (x, y )∂y∂x
0 y2
Los límites externos son constantes, pero los límites
internos NO son función del diferencial externo

Los límites internos son función del diferencial


externo, pero los límites externos NO son constantes
y 4− x 2

∫ ∫ f (x, y )∂y∂x
1 1+ x

4 x 2 −2

∫ ∫ f (x, y )∂y∂x
3 3− x
Los límites internos son función del diferencial
externo y los límites externos son constantes

2 2
∫∫
2
Ejemplo 6-3 Calcular e − y ∂y∂x .
0 x

Solución: Cuando intentamos resolver con el orden de integración indicado, nos

∫ e ∂y . Por lo
2
−y
damos cuenta que no podemos calcular directamente:
que debemos cambiar el orden de integración, para determinar si se
puede resolver la integral. Graficamos la región de integración:

Figura 6-8
Al cambiar el orden de integración tenemos:
2 2 2 y
∫∫ e − y ∂y∂x = ∫ ∫
2 2
e − y ∂x∂y
0 x 0 0
2
= ∫ x e− y
0
[ 2
] ∂y
y
0

2
= ∫ y e − y ∂y
2

[
= − 12 e − y
2
] 2
0

= − 12 e − 4

6.4 CAMBIO DE VARIABLE EN UNA INTEGRAL DOBLE.

Para funciones de variable real la integral:


b

∫ f (x ) ∂x
a
Pueden ser expresadas en términos de una nueva variable t, por medio de la
función x = g (t ) , siempre que g (t ) sea una función uno a uno (inyectiva). Entonces
teniendo en cuenta que: ∂x = g ' (t )∂t , a = g (c ) , b = g (d ) ; la integral en función
de la variable t es:
b d


a
f ( x ) ∂x = ∫ f ( g (t )) g ' (t )∂t
c

En forma similar para una función f :U ⊆ R2 → R :


∂ ( x, y )
∫∫ f (x, y )∂x∂y = ∫∫ f (Φ(u, v )) ∂(u, v ) ∂u∂v
D T

Si Φ (u , v ) = (x (u , v ), y (u , v )) es una función uno a uno y R → R ,


2 2

geométricamente Φ transforma la región de integración D en otra región de


integración T.
∂ ( x, y )
J (u , v ) = : se llama jacobiano de la transformación y es el valor
∂ (u , v )
absoluto del determinante de la matriz diferencial de Φ .
Se puede demostrar que el jacobiano es un número regulador de la expansión o
compresión del área de la región de integración D.
Φ(u, v ) = (x(u, v ), y (u, v )) es una función R 2 → R 2 ; que lo único que hace
es transformar la región de integración original en otra región de de acuerdo al cambio
de variable escogido.
∫∫ (x + y ) e
2 x− y
Ejemplo 6-4 Calcular la integral ∂x∂y , donde D es la región
D
acotada por x + y = 1 , x + y = 4 , x − y = 1 y x − y = −1 .

Solución: Primero definimos las relaciones


 u+v
u = x + y  x = 2
Sea  ⇒
v = x − y  y = u − v
 2
De acuerdo al cambio de variable transformamos la región de
integración.
T2

D2 T2
D3

T3 T1
Φ (u, v ) T
D ←
D1
D4
T4
Figura 6-9
Figura 6-10
 D1 : x − y = 1  T1 : v = 1
D : x + y = 4 T :u = 4
 
D: 2 T : 2
 D3 : x − y = −1 T3 : v = −1
 D4 : x + y = 1  T4 : u = 1
Definimos la función Φ:
 u + v u −v
Φ(u , v ) =  , 
 2 2 
Determinamos el jacobiano de la transformación: T2
∂ ( x, y ) 1 1
1 1
J [Φ (u, v )] = = abs 1 2 2
=− =
∂ (u, v ) 2 − 1
2 2 2
Resolvemos la integral aplicando el cambio de variable:
1
∫∫ (x + y ) e ∂x ∂y = ∫∫ u 2e v  ∂u ∂v
2 x− y

D T 2
1 4
1
= ∫ ∫ u 2 e v ∂u ∂v
2 −1 1
4
1  v u3 
1
= ∫ e ∂v
2 −1  3 1
1
21 v
2 −∫1
= e ∂v

21 v 1
=
2
[ ]
e −1

21
=
2
(
e − e −1 )
Cambio de variables usuales: Polares
La función Φ que define el cambio de variable para coordenadas polares es:
Φ(r ,θ ) = (r cos θ , r sen θ ) = ( x, y )
Entonces el jacobiano de la transformación es:
∂ ( x, y )  cos θ sen θ 
J (r , θ ) = = abs   = r cos 2 θ + r sin 2 θ = r
∂ (r , θ ) − r sen θ r cos θ 
Por lo tanto el cambio de variable para una transformación polar queda:

∫∫ f (x, y )∂x∂y = ∫∫ f (r cosθ , r sen θ )r ∂r∂θ


D T
∫∫ ln(x )
2
Ejemplo 6-5 Evaluar la integral de: + y 2 ∂x∂y , donde D es la región en
D
el 1er cuadrante, limitada entre los arcos de circunferencia:
x2 + y 2 = a2 ∧ x2 + y 2 = b2 ; a > b .

Solución: El cambio de coordenadas más conveniente el polar.


De acuerdo al cambio de variable transformamos la región de
integración.

T
Φ( r ,θ )
D ←

Figura 6-11
Figura 6-12

Como es un cambio de variable conocido reemplazamos directamente


en la integral:

∫∫ ln(x ) ( )
+ y 2 ∂x∂y = ∫∫ ln r 2 (r )∂r ∂θ
2

D T
π
2
[
= ∫ 12 ln r 2 b ∂θ ]a

0
π
 a2  2
=  12 ln 2 
 b 0
π a2
= ln
4 b2

6.5 APLICACIONES DE LA INTEGRAL DOBLE AL CÁLCULO DE ÁREAS


Y VOLÚMENES.

Cálculo del área de figuras planas:


Dada una función z = f ( x, y ) = 1 . Al integrar esta función, sobre una región
D, obtendremos el volumen del cilindro de base D y altura 1. El volumen del cilindro
es igual al área de su base (área de D) por su altura que es 1, entonces numéricamente
el valor es igual al área de la región de integración D.

∫∫ f (x, y )∂x∂y = ∫∫ ∂x∂y = A[D]


D D

Ejemplo 6-6 Encontrar el área de la región limitada por la parábola y = x 2 y la


recta y = x +1.

Solución: Graficamos la región de integración:

Figura 6-13
De acuerdo al grafico se observa que el orden de integración mas
conveniente es tomando diferenciales verticales. Para esto necesitamos
conocer los puntos de intersección de las curvas:
x2 = x +1
x2 − x −1 = 0
x = 1± ( −1)2 − 4 (1)(−1)
2 (1) (
= 12 1 ± 5 )
Entonces resolvemos la integral:
(1+ 5 ) x +1
1
2

A[D ] = ∫∫ ∂A = ∫ ∫ ∂y∂x
D 1 (1− 5 ) 2
2 x
1 (1+ 5 ) 1 (1+ 5 )
2 2

= ∫ [ y ]x 2 ∂x = ∫ x + 1 − x 2 ∂x
x +1
( )
1 (1− 5 ) 1 (1− 5 )
2 2

1 (1+ 5 )
[2 3
= 12 x + x − 13 x 12 (1− 5 )
2
]
5 5
=
6

Cálculo de volúmenes:

Como se demostró anteriormente si la función z = f ( x, y ) es continua en


∫∫ f (x, y )∂x∂y , representa el volumen
2
D ⊂ R tal que z > 0 , entonces la integral
D

debajo de la superficie f ( x, y ) sobre la región D.


Ejemplo 6-7 Encontrar el volumen de una esfera de radio R, limitado por los planos
coordenados, utilizando integrables dobles
Solución: Graficamos la región de integración:

z = R2 − x2 − y2

Figura 6-14
Como la esfera es simétrica, sólo tomaremos en cuenta sólo el primer
octante, proyectamos el volumen al plano “xy”:

Φ( r ,θ ) T
D ← 

Figura 6-15
Figura 6-16
Como la región de integración es circular entonces utilizaremos una
cambio de variable polar, como es un cambio de variable conocido
reemplazamos directamente en la integral:
V [Ω] = 8∫∫ R 2 − x 2 − y 2 ∂x∂y = 8∫∫ R 2 − r 2 (r )∂r ∂θ
D T
π
R 2 R
π 
= 8∫ ∫ r R 2 − r 2 ∂θ ∂r = 8  ∫ r R 2 − r 2 ∂r
0 0  2 0
R
 1 
= 4π − R 2 − r 2 ( )3/ 2

 3 0

4π 3
= R
3

6.6 INTEGRALES TRIPLES.

Dada una función f ( x, y , z ) en Ω ⊂ R ; donde Ω es un paralelepípedo


3

rectangular definida por el producto cartesiano de 3 intervalos de R:


[ ] [ ] [ ] [ ]
Ω = a, b × c, d × e, f / x ∈ a, b ∧ y ∈ c, d ∧ z ∈ e, f . [ ] [ ]
Dividimos al intervalo [a, b] , [c, d ]
[e, f ] en “n” particiones. Queda Ω
y
dividida en “n” paralelepípedos y cada uno tiene un volumen (∆x ∆y ∆z ) . Definimos
el producto:
∆I = f ( x, y, z )∆z∆y∆x
Si consideramos I como la suma de todos los ∆I :
n n n
I = ∑ ∆I = ∑∑∑ f ijk ( x, y, z )∆xi ∆y j ∆z k
k =1 j =1 i =1
Cuando se toma un número de particiones “n” muy grande entonces tendremos:
n n n
I = lim ∑∑∑ f ijk ( x, y, z )∆xi ∆y j ∆z k
n →∞
k =1 j =1 i =1
f d b

I = ∫ ∫ ∫ f ( x, y, z )∂x∂y∂z
e c a
∫∫∫ (x )
2
Ejemplo 6-8 Resolver integral triple + 2 y + z dV , donde
Q

Ω = [1,2]× [2,3]× [3,1]

Solución: Resolvemos la integral:


3 2 4 3 2

∫ ∫ ∫ (x ) ∫ ∫ [x z + 2 yz + z ]∂z ∂x ∂y
2 2
+ 2 y + z ∂z ∂x ∂y =
2 1 3 2 1
3 2
 7
= ∫ ∫  x 2 + 2 y +  ∂x ∂y
2 1
2
2
 x3
3
7 
= ∫  + 2 xy + x  ∂y
2
3 2 1
3
7 7
∫  3 + 2 y + 2  ∂y
2
3
7 7 
=  y + y 2 + y
3 2 2
21 21 14 14
= +9+ − −9−
3 2 3 2
35
=
6
6.7 INTEGRALES TRIPLES EN REGIONES GENERALES.

Adoptaremos cuatro tipos de regiones elementales:

Tipo 1: Superficies variables arriba y abajo


De este tipo podemos encontrar en dos formas:
a)
z
 f1 ( x, y ) ≤ z ≤ f 2 ( x, y )
 
Ω : ( x, y, z ) ∈ R / g1 ( x ) ≤ y ≤ g 2 ( x ) 
3

 a≤ x≤b 
 
b g 2 ( x ) f 2 (x, y )

∫∫∫

f (x, y, z ) dV = ∫ ∫ ∫ f (x, y, z ) ∂z ∂y ∂x
a g1 ( x ) f 1 ( x , y )

b)
 f1 ( x, y ) ≤ z ≤ f 2 ( x, y ) y
 
Ω : ( x, y, z ) ∈ R / h1 ( y ) ≤ x ≤ h2 ( y ) 
3

 c≤ y≤d 
 
d h2 ( y ) f 2 ( x , y )
x
∫∫∫ f (x, y, z ) dV = ∫ ∫( ) (∫ f) (x, y, z )∂z ∂x ∂y
Ω c h1 y f1 x , y
Figura 6-17

Tipo 2: Superficies variables a los costados


De este tipo podemos encontrar en dos formas:
c)
z
 f1 ( x, z ) ≤ y ≤ f 2 ( x, z )
 
Ω : ( x, y, z ) ∈ R / g1 (x ) ≤ z ≤ g 2 ( x ) 
3

 a≤ x≤b 
 
b g2 (x ) f2 (x,z )

∫∫∫ f (x, y, z ) dV = ∫

∫ ∫ f (x, y, z )∂y ∂z ∂x
a g1 ( x ) f1 ( x , z )

d)
 f1 ( x, z ) ≤ y ≤ f 2 ( x, z ) y
 
Ω : ( x, y, z ) ∈ R / h1 ( z ) ≤ x ≤ h2 ( z ) 
3

 e≤ z≤ f 
 
f h2 ( z ) f 2 ( x , z )
x
∫∫∫ f (x, y, z ) dV = ∫ ∫( ) (∫ f) (x, y, z )∂y ∂x ∂z
Ω e h1 z f1 x , z
Figura 6-18

Tipo 3: Superficies variables delante y atrás


De este tipo podemos encontrar en dos formas:
e)
z
 f1 ( y, z ) ≤ x ≤ f 2 ( y, z )
 
Ω : ( x, y, z ) ∈ R / g1 ( z ) ≤ y ≤ g 2 ( z ) 
3

 e≤ z≤ f 
 
f g2 (z ) f2 ( y,z )

∫∫∫ f (x, y, z ) dV = ∫

∫ ∫ f (x, y, z )∂x ∂y ∂z
e g1 ( z ) f1 ( y , z )

f)
 f1 ( y, z ) ≤ x ≤ f 2 ( y, z ) y
 
Ω : ( x, y, z ) ∈ R / h1 ( y ) ≤ z ≤ h2 ( y ) 
3

 c≤ y≤d 
 
d h2 ( y ) f 2 ( y , z )
x
∫∫∫ f (x, y, z ) dV = ∫ ∫( ) (∫ f) (x, y, z ) ∂x ∂z ∂y
Ω c h1 y f1 y , z
Figura 6-19

Tipo 4
Cuando la región Ω es tal que puede ser considerada como una región tipo 1,
tipo 2 o tipo 3 indistintamente. Es el único caso que permite hacer cambio en el orden
de integración y generalmente se refiere a sólidos limitados por la intersección de dos
superficies (sólidos cerrados)

f ( x, y, z ) = 2 xyz en la región
Ejemplo 6-9 Evaluar la integral triple de la función
2
limitada por el cilindro z = 1 − x y los planos z = 0 , y = x y
1
2
y=0
Solución: Graficamos la región de integración:

Figura 6-20
Definimos la integral tomando la región de integración como tipo 1:
1 2 2
2 x 1− 2 x 2x 2x
 x2 
∫ ∫ ∫ 2 xyz ∂z ∂y ∂x = ∫ ∫ [xyz ]
1 2
2 1− 2 x
0 ∂y ∂x = ∫ ∫ xy1 −  ∂y ∂x
0 0 0 0 0 0 0  2
x
 xy 2  x 2  2 
2 2
x3  x 2 
2

= ∫ 1 −   ∂x = ∫0 2 1 − 2  ∂x
0 
2  2 
 0
2
2
 x3 x5 x7   x 4 x 6 x8 
= ∫  − + ∂x =  − + 
0
2 2 4  8 12 64  0
1 2 1 1
= − + =
2 3 4 12
Ahora definimos la integral tomando la región de integración como tipo 2:
1 2 (1− z ) x 1 2 (1− z ) 1 2 (1− z )

∫ ∫ ∫ 2 xyz ∂y ∂x ∂z = ∫ ∫ [xy z ] ∂x ∂z = ∫ ∫ x
2 x 3
0 z∂x ∂z
0 0 0 0 0 0 0
2 (1− z )
 x4 z 
1 1
= ∫ ∂x = ∫ z (1 − z ) ∂x
2

0 
4 0 0
1
1
 z 2 2z 3 z 4 
(
= ∫ z − 2 z + z ∂x =  − 2
+  3
)
0 2 3 4 0
1 2 1 1
= − + =
2 3 4 12
Ahora definimos la integral tomando la región de integración como tipo 3:
1 2 1 2
2 1− 2 y 2(1− z ) 21− 2 y

∫ 2xyz∂x ∂z ∂y = ∫ ∫ [x yz]
2(1− z )
∫ ∫
2
y ∂z ∂y
0 0 y 0 0
1 2
21− 2 y

∫ ∫ yz(2(1 − z) − y )∂z ∂y
2
=
0 0
1 2
21− 2 y

∫ ∫ (2yz − 2yz )
2
= − y 3 z ∂z ∂y
0 0
1− 1 y 2

1
2 yz3 y 3 z 2  2
= ∫  yz2 − −  ∂y
0
3 2 0
  y 2  2 2 y  y 2 3 y 3  y 2  2 
2
= ∫  y1 −  − 1 −  − 1 −  ∂y

0 
2 3 2 2 2 

 y y3 y5 y7 
2
= ∫  − + − ∂x
0
3 2 4 24 
2
 y 2 y 4 y 6 y8 
= − + − 
 6 8 24 192 0
1 1 1 1 1
= − + − =
3 2 3 12 12
6.8 CAMBIO DE VARIABLE EN UNA INTEGRAL TRIPLE.

Al igual que par las integrales dobles, se puede usar un cambio de variable en las
integrales triples.
Para una función f :U ⊆ R3 → R :
∂ ( x, y , z )
∫∫∫ f (x, y, z )∂x∂y∂z = ∫∫∫ f (Φ(u, v, w)) ∂(u, v, w) ∂u∂v∂w
Ω T

Φ(u, v, w) = ( x(u, v, w), y (u, v, w), z (u, v, w)) es una función uno a uno y
Si
R → R 3 , geométricamente Φ transforma la región de integración D en otra región
3

de integración T.
∂ ( x, y , z )
J (u , v, w) = : se llama jacobiano de la transformación y es el valor
∂ (u , v, w)
absoluto del determinante de la matriz diferencial de Φ .

Cambio de variables usual: Cilíndricas


La función Φ que define el cambio de variable para coordenadas polares es:
Φ(r ,θ , z ) = (r cos θ , r sen θ , z ) = ( x, y, z )
Entonces el jacobiano de la transformación es:
cos θ sen θ 0
∂ ( x, y , z )
J (r ,θ , z ) = = abs − r sen θ r cos θ 0 = r cos 2 θ + r sin 2 θ = r
∂ (r ,θ , z )
0 0 1

Por lo tanto el cambio de variable usando coordenadas cilíndricas queda:

∫∫∫ f (x, y, z )∂x∂y∂z = ∫∫∫ f (r cosθ , r sen θ , z )r ∂r∂θ∂z


Ω T

z
Ejemplo 6-10 Calcular la integral triple ∫∫∫
W x2 + y2
∂z∂y∂x , donde W es la

región de la esfera x 2 + y 2 + z 2 = 10 , donde z ≥ 2 .


Solución: El cambio de coordenadas más conveniente es el esférico.
De acuerdo al cambio de variable transformamos la región de
integración.

Q
Φ( r ,θ , z ) T
←  
Figura 6-22

Figura 6-21
Como es un cambio de variable conocido reemplazamos directamente
en la integral:
z z
∫∫∫
W
2
x +y
∂z∂y∂x = ∫∫∫ r ∂z ∂r ∂θ
2
T
r
2π 6 10− r 2
= ∫ ∫ ∫ z ∂z ∂r ∂θ
0 0 2

2π 6 10 − r 2
 z2 
= ∫
0
∫0  2  ∂r ∂θ
2
2π 6
1
∫ ∫ (10 − r )
2
= − 4 ∂r ∂θ
2 0 0

2π 6
1  r3 
= ∫ 6r −  ∂θ
2 0 3 0

= 2 6 ∫ ∂θ
0

= 4π 6

Cambio de variables usual: Esféricas


La función Φ que define el cambio de variable para coordenadas polares es:
Φ(ρ ,θ , φ ) = (ρ cos θ sen φ , ρ sen θ sen φ , ρ cos φ ) = ( x, y, z )
Entonces el jacobiano de la transformación es:
cos θ sen φ − ρ sen θ sen φ ρ cos θ cos φ
∂ ( x, y , z )
J (ρ , θ , φ ) = = sen θ sen φ ρ cos θ sen φ ρ sen θ cos φ
∂ (ρ , θ , φ )
cos φ 0 − ρ sen φ
(
= cos φ − ρ sen θ sen φ cos φ − ρ cos 2 θ sen φ cos φ
2 2 2
)
( 2
− ρ sen φ ρ cos θ sen φ + ρ sen θ sen φ 2 2 2
)
2
= − ρ sen φ
Por lo tanto el cambio de variable usando coordenadas esféricas queda:

∫∫∫ f (x, y, z )∂x∂y∂z =


∫∫∫ f (ρ cos θ sen φ , ρ sen θ sen φ , ρ cos φ )ρ


2
sen φ ∂r∂θ∂φ
T

(x ) ∂V
3/ 2

∫∫∫ e
2
+ y2 + z2
Ejemplo 6-11 Evaluar la integral , donde Q es la esfera unitaria
Q

Solución: El cambio de coordenadas más conveniente es el esférico.


De acuerdo al cambio de variable transformamos la región de
integración.

Q T
Φ( ρ,θ ,φ )
←


Figura 6-24
Figura 6-23

T3
Como es un cambio de variable conocido reemplazamos directamente
en la integral:
(x ) ∂V = e ρ ρ 2 sen φ ∂ρ ∂φ ∂θ
3/ 2

∫∫∫ e ∫∫∫
2
+ y2 +z2 3

Q T
2π π 1

∫∫∫e
ρ3
= ρ 2 sen φ ∂ρ ∂φ ∂θ
0 0 0
1
 eρ 
2π π 3

= ∫∫ sen φ  ∂φ ∂θ
 3
0 0   0
2π π
e −1
3 ∫0 ∫0
= sen φ ∂φ ∂θ


e −1
=
3 0∫ [− cos φ ]π0 ∂θ
2(e − 1)

3 ∫0
= ∂θ


= (e − 1)
3
6.9 APLICACIONES DE LA INTEGRAL TRIPLE AL CÁLCULO DE
VOLÚMENES.

Dada una función continua y positiva f ( x, y , z ) sobre una región Ω ⊂ R .


3

Al integrar esta función, sobre la región Ω, obtendremos el hipervolumen debajo de la


gráfica f ( x, y , z ) sobre Ω. Si la función f ( x, y , z ) = 1 , entonces numéricamente el
valor de este hipervolumen sobre Ω es igual al volumen de la región de integración Ω.

∫∫∫ f (x, y, z )∂x∂y∂z = ∫∫∫ ∂x∂y∂z = V [Ω]


Ω Ω

Ejemplo 6-12 Calcular el volumen del tetraedro acotado por los planos coordenados y
el plano 3 x + 6 y + 4 z − 12 = 0
Solución: Graficamos la región de integración:

Figura 6-25
Definimos y resolvemos la integral:
1 3 3
4 2 − 2 x 3− 4 x − 2 y
V [Ω] = ∫∫∫ ∂V = ∫ ∫ ∫ ∂z ∂y ∂x
Ω 0 0 0
4 2 − 12 x

=∫ ∫ [z ]
3− 34 x − 32 y
0 ∂y ∂x
0 0
1
4 2− 2 x
=∫ ∫ (3 − 3
4 x − 32 y ) ∂y ∂x
0 0
4 2 − 12 x
 3 3 
= ∫ 3 y − xy − y 2  ∂x
0 
4 4 0
4
  1  3  1  3 1  
2

= ∫  3 2 − x  − x 2 − x  −  2 − x   ∂x
 2  
0 
2  4  2  4
4
 3 3 
= ∫  3 − x + x 2  ∂x
0
2 16 
4
 3 1 
= 3 x − x 2 + x 3 
 4 16  0
=4

Ejemplo 6-13 Se hace un agujero de 1 cm de diámetro a través de una esfera de 2 cm


de radio, simétrica a un diámetro de la esfera. Encontrar el volumen del
sólido resultante
Solución: Graficamos la región de integración:

Figura 6-26
Definimos las superficies que limitan la región:
Esfera: x2 + y2 + z 2 = 4
Cilindro: x2 + y2 = 1
4
Debido a la naturaleza de la región resulta conveniente efectuar un
cambio a variables cilíndricas:
2
Esfera: r + z2 = 4
Cilindro: r = 12
Entonces determinamos los límites constantes de la región:
1
4 + z2 = 4
z 2 = 154
15
z=± 2
Como es un cambio de variable conocido reemplazamos directamente
en la integral:
15
2π 2 4− z 2

∫∫∫ ∂V = ∫ ∫ ∫ r ∂r ∂z ∂θ
Ω 0− 15 1
2 2


15 4− z 2
r2 2

=∫ ∫   ∂z ∂θ
0 − 15 
2 1
2 2

1
2π 2
 4 − z2 1 
= ∫0 ∫0  2 − 8  ∂z ∂θ
15

15 z3 
2

= ∫  z −  ∂θ
0 
8 6  − 15
2


5 15
4 ∫0
= ∂θ

5 15π
=
2

Ejemplo 6-14 Hallar el volumen de un sólido limitado por la hoja superior del cono
z 2 = x 2 + y 2 y por la esfera: x 2 + y 2 + z 2 = 9
Solución: Graficamos la región de integración:

Figura 6-27
Debido a la naturaleza de la región resulta conveniente efectuar un
cambio a variables esféricas:
Esfera: ρ = 3
π
Cono superior: φ=
4

Cono inferior: φ =
4
Como es un cambio de variable conocido reemplazamos directamente
en la integral:

2π 4 3
V [Ω] = ∫∫∫ ∂V = ∫ π∫ ∫ ρ
2
sen φ ∂ρ ∂φ ∂θ
Ω 0 0
4

2π 4 3
ρ3 
= ∫
0
∫π  3 sen φ  ∂φ ∂θ
0
4

2π 4
=9∫ ∫ sen φ ∂φ ∂θ
0 π
4
2π 3π
= 9 ∫ [− cos φ ]π4 ∂θ
0 4

= 9 2 ∫ ∂θ
0

= 18 2π
CAPITULO 7
______________________________

“Nuestras almas, cuyas facultades pueden


comprender la maravillosa arquitectura del
mundo, y medir el curso de cada planeta
vagabundo, aún escalan tras el conocimiento
infinito”

Christopher Marlowe.

INTEGRALES DE LÍNEA Y TEOREMA DE


GREEN

7.1. Definición, cálculo y aplicaciones de la integral de trayectoria.


7.2. Definición y cálculo de la integral de línea, como una integral
vectorial.
7.3. Orientación en una integral de línea.
7.4. Aplicación de la integral de línea al cálculo de trabajo.
7.5. Integrales de línea en campos conservativos.
7.6. Teorema de Green, aplicaciones
7.7. Formas vectoriales del teorema de Green.
7.1 DEFINICIÓN, CÁLCULO Y APLICACIONES DE LA INTEGRAL DE
TRAYECTORIA.
Dada una función f ( x, y, z ) : U ⊂ R 3 → R diferenciable y acotada en σ (t ) ,
σ (t ) = ( x(t ), y (t ), z (t )) la parametrización de una trayectoria en R 3,
σ (t ) : [a, b] ⊂ R → R 3 .
z σ (b)
σ (t )

( ) σ (a)
y
a b

∆s
Figura 7-1
x
Dividimos a la trayectoria en “n” particiones. Queda la curva dividida en “n”
segmentos de curva y cada uno tiene una longitud de curva ∆si . Definimos el
producto:
∆S i = f ( xi , yi , zi )∆si
Al considerar la parametrización tendremos que los puntos de la curva se
definen de la siguiente manera:
(xi , yi , zi ) = σ (ti )
Para un segmento de curva muy pequeño su longitud es aproximadamente la
magnitud del vector velocidad por lo cual tendremos:
∆si = σ ' (ti ) ∆ti
Si consideramos S como la suma de todos los ∆S i :
n n
S = ∑ ∆S = ∑ f ( xi , yi , zi )∆si = ∑ f (σ (ti )) σ ' (ti ) ∆ti
i =1 i =1
Cuando se toma un número de particiones “n” muy grande entonces tendremos:
n
S = lim ∑ ( f o σ ) t σ ' (ti ) ∆ti
n →∞ i
i =1
b
S = ∫ ( f o σ ) σ ' (t ) ∂t = ∫ f ds
a σ
Definición:

Sea f ( x, y, z ) una función escalar definida en U ⊂ R 3 → R , diferenciable y


acotada en U, σ (t ) = ( x (t ), y (t ), z (t )) la parametrización de una trayectoria en
R3, σ (t ) : [a, b] ⊂ R → R . Se llama integral de trayectoria de f sobre σ a la
3

integral:
b

∫σ f ∂s = ∫ ( f o σ )σ ' (t ) ∂t
a

Observaciones:

• La integral de trayectoria es una versión escalar de la integral de línea que es


la versión vectorial.
• Cuando se habla de la integral de trayectoria no es necesario asociar una
orientación a σ.
• La integral de trayectoria se puede evaluar como una integral definida

Ejemplo 7-1 f ( x, y , z ) = x 2 + y 2 + z 2 ;
Evaluar la integral del campo escalar
sobre la trayectoria de una hélice σ (t ) = (cos t , sen t , t ) de
[0,2π ] .
Solución: Resolvemos la integral de acuerdo a la definición:

∫ ∫ (cos )
t + sen 2 t + t 2 (− sen t , cos t ,1) ∂t
2
f ∂s =
σ 0

∫ (1 + t )
2
= cos 2 t + sen 2 t + 1 ∂t
0

(
= 2 ∫ 1 + t 2 ∂t )
0

 t3 
= 2 t + 
 3 0
 8 
∫ f ∂s =
σ
2  2π + π 3  
 3 

Aplicaciones de la integral de trayectoria


1era. Aplicación:
Dada una función f ( x, y , z ) = 1 . Al integrar esta función, sobre una región σ,
obtendremos la suma de las longitudes de los segmentos de curva. Es decir tendremos
la longitud total de la curva σ.
b

∫ f ∂s = σ∫ ∂s = ∫ σ ' (t ) ∂t = L[σ ]
σ a

Ejemplo 7-2 Calcule la longitud de curva de una hélice


[
σ (t ) = (a cos t , a sen t , bt ) , donde t ∈ 0,2π . ]
Solución: Resolvemos la integral de acuerdo a la definición:
L[σ ] = ∫ ∂s
σ

= ∫ (− a sen t, a cos t , b ) ∂t
0

= ∫
0
a 2 sen 2 t + a 2 cos 2 t + b 2 ∂t


= a 2 + b 2 ∫ ∂t
0

L[σ ] = 2π a + b 2  2

2da. Aplicación:
Sirve para encontrar el valor promedio del campo escalar f a través de la curva
σ.

∫σ f ds
Vp =
L[σ ]
3ra. Aplicación:
Dada una función f ( x, y ) : U ⊂ R 2 → R , continua e integrable en D ⊂ R 2
tal que f ( x, y ) > 0 , ∀( x, y ) ∈ D ; σ (t ) = ( x (t ), y (t )) la parametrización de una

trayectoria en R2, σ (t ) : [a, b] ⊂ R → D ⊂ R 2 . Entonces la integral ∫ f ∂s


σ
representa el área de la valla levantada desde la curva plana σ, hasta la función f.

∫σ f ∂s
z
Área de la valla =
f(x,y)

σ (t )
x Figura 7-2

Ejemplo 7-3 Encontrar el área de la valla sobre la recta x + y = 1 y limitada por


el paraboloide f ( x, y ) = x + y en el primer cuadrante del plano
2 2

“xy”

Solución: Como podemos observar en la figura 7-3 el problema nos pide


determinar el área de la valla que se levanta desde la recta en el plano
“xy” hasta el paraboloide

Figura 7-3
Primero parametrizamos la curva plana y determinamos su vector
velocidad:
σ (t ) = (t ,1 − t )
σ ' (t ) = (1,−1)
Resolvemos la integral de acuerdo a la definición
A[Valla ] = ∫ f ∂s
σ
1
(
= ∫ t 2 + (1 − t )
2
) 2 ∂t
0
1
(
= 2 ∫ 2t 2 − 2t + 1 ∂t )
0
1
 2t 3 2 
= 2 − t + t
 3 0
2 2
A[Valla ] = 
3

7.2 DEFINICIÓN Y CÁLCULO DE LA INTEGRAL DE LÍNEA, COMO UNA


INTEGRAL VECTORIAL.

Definición:

Sea F ( x, y, z ) = (F1 ( x, y, z ), F2 ( x, y, z ), F3 ( x, y, z )) una función vectorial


definida en U ⊂ R 3 → R 3 , diferenciable y acotada en U;
σ (t ) = ( x(t ), y (t ), z (t )) la parametrización de una trayectoria en R3,
σ (t ) : [a, b] ⊂ R → R 3 . Se llama integral de línea de F sobre σ a la integral:
b

∫σ F • ∂s = ∫ (F o σ ) • (σ ' (t ))∂t
a

Existe otra forma más usual de expresar la integral de línea si tenemos en cuenta
que el vector diferencial de curva se puede expresar de la siguiente manera:
∂s = (∂x , ∂y , ∂z )
Entonces al resolver el producto punto obtendremos otra expresión equivalente:
∫σ F • ∂s = σ∫ (F (x, y , z ), F (x, y , z ), F (x, y , z )) • (∂x, ∂y , ∂z )
1 2 3

∫σ F • ∂s = σ∫ F (x, y , z )∂x + σ∫ F (x, y , z )∂y + σ∫ F (x, y , z )∂z


1 2 3

Ejemplo 7-4 Evaluar la integral de línea del campo vectorial


F ( x, y, z ) = xi + yj + zk sobre la trayectoria de una hélice
σ (t ) = (sen t , cos t , t ) de [0,2π ]

Solución: Resolvemos la integral de acuerdo a la definición


∫ F • ∂s =
σ
∫ (sen t , cos t , t ) • (cos t ,− sen t ,1)∂t
0

= ∫ (sen t cos t − sen t cos t + t )∂t
0


t 2  4π 2
= ∫ t ∂t =   =
0  2 0 2

∫ F • ∂s = 2π
2

σ

7.3 ORIENTACIÓN EN UNA INTEGRAL DE LÍNEA.


Una curva en el espacio puede ser abierta o cerrada. Sea σ (t ) la
parametrización de una curva y σ (a ) , σ (b ) ; si σ (a ) = σ (b ) entonces se la
denomina curva cerrada y si σ (a ) ≠ σ (b ) entonces se la denomina curva abierta.
Además de abierta o cerrada, una trayectoria en el espacio puede ser simple o no
simple. Una curva simple es una curva que no se cruza a si misma y una curva no
simple es aquella que se cruza a si misma.
z z
σ (b)
σ (a ) = σ (b )

y y
σ (a)

x x
Curva Abierta y Simple Curva Cerrada y Simple
z z
σ (b)
σ (a ) = σ (b )

y y
σ (a)

x x
Curva Abierta y No Simple Curva Cerrada y No Simple
Figura 7-4

Cuando la curva es abierta, vamos a asumir orientación positiva hacia arriba y


hacia la derecha; hacia abajo y hacia la izquierda será orientación negativa.
Cuando la curva es cerrada vamos a asumir orientación positiva cuando es en
sentido contrario a la rotación de las manecillas del reloj; cuando es a favor se tratará
de orientación negativa
z z

+ –

y y

x x
Orientación Positiva Orientación Negativa
Figura 7-5

Una trayectoria puede ser puede ser reparametrizada de tal manera que pueden
conservar su orientación original o cambiar la orientación original.

Ejemplo 7-5 Dado el campo vectorial F ( x, y, z ) = ( x, y, z ) . Calcule la integral de


línea en el segmento de la recta que une a los puntos (0,1,0 ) y
(1,2,2) , parametrizandola positivamente y luego reparametrizándola
de tal manera que cambie su orientación.

Solución: Una parametrización positiva del segmento de recta es:


σ (t ) = (t , t + 1,2t ) ; donde 0 ≤ t ≤ 1
Evaluando la integral con dicha parametrización:
1 1

∫ F • ∂s = ∫ (t , t + 1,2t ) • (1,1,2)∂t = ∫ (6t + 1)∂t = [3t ]


2 1
+t 0
σ 0 0

∫ F • ∂s = 4 
σ
Ahora reparametrizándola de tal manera que cambie su orientación:
ρ (t ) = (1 − t ,2 − t ,2 − 2t ) ; donde 0 ≤ t ≤ 1
Evaluando la integral con dicha parametrización:
1 1

∫ρ F • ∂s = ∫ (1− t,2 − t,2 − 2t ) • (−1,−1,−2)∂t = ∫ (6t − 7)∂t = [3t ]


2 1
− 7t 0
0 0

∫ρ F • ∂s = −4 
Teorema 7-1
Sea F : U ⊂ R 3 → R 3 seccionalmente continua, σ la parametrización de una
curva suave, simple y orientada, y sea ρ la reparametrización de la curva, entonces:

∫ F • ∂s = ∫ρ F • ∂s
σ
si ρ no cambia de orientación de la curva

∫σ F • ∂s = −∫ρ F • ∂s si ρ cambia de orientación de la curva

Teorema 7-2
Sea F : U ⊂ R 3 → R 3 seccionalmente continua, σ la parametrización de una
curva suave, no simple y orientada, y sea ρ la reparametrización de la curva,
entonces:

∫ f ds = ∫ρ f ds
σ
sea que ρ cambie o no cambie la orientación de la curva

7.4 APLICACIÓN DE LA INTEGRAL DE LÍNEA AL CÁLCULO DE


TRABAJO.
El trabajo en la física elemental se define como “trabajo es igual a fuerza por
distancia”, es decir que el trabajo que se efectúa sobre el cuerpo se da por: W = Fd ,
donde F es una fuerza constante que actúa sobre el cuerpo y que es paralela al
desplazamiento y d es la magnitud del desplazamiento.
Para la figura 7-6 el trabajo se define
de la siguiente manera:
F W = Fd d
θ Donde Fd es la componente de la
Fd fuerza F paralela al desplazamiento:
Fd = F cos θ
Tenemos entonces el trabajo
d expresado por:
Figura 7-6 W = Fd cos θ

3
Asumiendo que F : U ⊂ R 3 → R 3 representa un campo de fuerza en R ;
σ (t ) la parametrización de una trayectoria en R3, σ (t ) : [a, b] ⊂ R → R 3 .
El trabajo realizado por F en un punto
z de la trayectoria es:
F
σ (a) ∂W = F ∂s cos θ
θ Como F y ∂s son vectores podemos
expresar la expresión anterior como un
∂s producto punto:
∂W = F • ∂s
y Calculamos entonces el trabajo del
σ (b) campo de fuerzas para transportar una
partícula a lo largo de la curva σ, es:
W = ∫ F • ∂s
x
Figura 7-7 σ

Ejemplo 7-6 Dado el campo de fuerzas F ( x, y, z ) = 2 x + 2 y,2 x,3 z 2 .


Encontrar el trabajo que realizará F al mover una partícula a través de
los puntos: (0,0,0 ) → (1,2,0 ) → (1,2,5) .

Solución: El problema nos pide determinar el trabajo de un campo de fuerzas para


mover una partícula a través de una curva, así que se trata de una
integral de línea. Como podemos observar en la figura 7-8, la curva C
es seccionalmente continua así que debemos dividirla en dos curvas:

C2

C1

Figura 7-8
Donde cada curva la parametrizamos:
x = t x = 1
+  +
C1 :  y = 2t C2 :  y = 2
z = 0 z = t
 
0 ≤ t ≤1 0≤t≤5
Resolvemos la integral de línea acuerdo a la definición:

∫ F • ∂s = ∫ F • ∂s + ∫ F • ∂s
C C1+ C2 +
1 5
= ∫ F (t ,2t ,0 ) • (1,2,0 )∂t + ∫ F (1,2, t ) • (0,0,1)∂t
0 0
1 5
= ∫ 10t ∂t + ∫ 3t 2∂t
0 0

= 5t [ ] + [t ]
2 1
0
3 5
0

= 5 + 125
∫ F • ∂s = 130 
C

7.5 INTEGRALES DE LÍNEA EN CAMPOS CONSERVATIVOS.


En el capítulo 5 se estudiaron un tipo particular de campos vectoriales, los
campos vectoriales gradientes (también conocidos como campos vectoriales
conservativos).
Sea F ( x, y , z ) = (F1 ( x, y, z ), F2 ( x, y , z ), F3 ( x, y , z )) un campo vectorial
gradiente definida en U ⊂ R 3 → R 3 , diferenciable y acotada en U;
σ (t ) = ( x(t ), y (t ), z (t )) la parametrización de una trayectoria en R 3,
σ (t ) : [a, b] ⊂ R → R 3 , entonces la integral de línea se puede definir como:
b

σ
∫ F • ∂s = ∫ (F o σ ) • (σ ' (t ))∂t
a
Como F ( x, y, z ) = (F1 , F2 , F3 ) es un campo vectorial gradiente, entonces
existe una función escalar f ( x, y, z ) definida en R 3 → R , tal que:
F = ∇f

(F1 , F2 , F3 ) =  ∂f ,
∂f ∂f 
, 
 ∂x ∂y ∂z 
Entonces la integral de línea queda de la siguiente manera:
b

∫ F • ∂s = ∫ (∇f o σ ) • (σ ' (t ))∂t


σ a

 ∂f   ∂x ∂y ∂z 
b
∂f ∂f
= ∫  (σ (t )), (σ (t )), (σ (t )) •  , , ∂t
a
∂x ∂y ∂z   ∂t ∂t ∂t 
 ∂f ∂z 
b
∂x ∂f ∂y ∂f
= ∫  (σ (t )) + (σ (t )) + (σ (t )) ∂t
a
∂x ∂t ∂y ∂t ∂z ∂t 
b
 ∂f 
= ∫  (σ (t ))∂t
a 
∂t
b
= ∫ (∂f (σ (t )))
a

∫ F • ∂s = f (σ (b )) − f (σ (a ))
σ

Sea F ( x, y , z ) = (2 xyz + sen x )i + x zj + x yk , determinar:


2 2
Ejemplo 7-7
a.- Si F es un campo gradiente y si lo es encontrar su función
potencial.
b.- ∫ F ⋅ ∂r donde C es el segmento de recta que une los puntos
C

(0,0,0) y (1,2,3) .
c.- ∫ F • ∂r donde C es el segmento de recta que une los puntos
C

(0,0,0) , (1,0,0) , (1,2,0) y (1,2,3) .


d.- ∫ F • ∂r donde C es la intersección del plano
C
y = x y la

esfera x2 + y2 + z2 = 1 .

Solución: a.- Para determinar si F es un campo gradiente calculamos su rotor:


i j k
∂ ∂ ∂
rot F =
∂x ∂y ∂z
(
= x 2 − x 2 ,2 xy − 2 xy,2 xz − 2 xz )
2 xyz + sen x x 2 z x 2 y
rot F = (0,0,0)
∴ F es un campo gradiente porque su rotor es igual a cero
Entonces determinamos la función potencial de F:
∂f
= 2xyz+ senx f ( x, y, z) = ∫ (2xyz+ senx)∂x =x2 yz − cosx + k( y, z)
∂x x
∂f
= x2 z f ( x, y, z) = ∫ x2 z∂y = x2 yz + k(x, z)
∂y y

∂f
= x2 y f ( x, y, z) = ∫ x2 y∂z = x2 yz + k(x, y)
∂z z

f ( x, y, z ) = x z − cos x + k 
2

b.- Como F es un campo gradiente podemos calcular la integral de


línea evaluando su función potencial en el punto final, menos su
valor en el punto inicial:

∫ F • ∂r = f (1,2,3) − f (0,0,0) = 6 − cos(1) − 1


C

∫ F • ∂r = 5 − cos(1) 
C
c.- Calculamos la integral de igual manera que en el literal anterior:

∫ F • ∂r = f (1,2,3) − f (0,0,0) = 6 − cos(1) − 1


C

∫ F • ∂r = 5 − cos(1) 
C
d.- Como la curva es cerrada y el campo es conservativo la integral
de línea es cero:

∫ F • ∂r = 0 
C

7.6 TEOREMA DE GREEN, APLICACIONES


Sean P( x, y ) y Q( x, y ) funciones definidas en D ⊂ R 2 → R ; de tal forma
que F ( x, y ) = (P ( x, y ), Q ( x, y )) . D una región plana tipo 3, “ ∂D ” su contorno
orientado positivamente: entonces:
 ∂Q ∂P 
∫ P ∂x + Q∂y = ∫∫  ∂x − ∂y  ∂x ∂y
∂D D
Demostración:
 ∂Q ∂P 
∫ P ∂x + Q ∂y = ∫∫  ∂x − ∂y  ∂x ∂y
∂D D

∂Q ∂P
∫ P ∂x + ∫ Q ∂y = ∫∫ ∂x ∂x ∂y − ∫∫ ∂y ∂x ∂y
∂D ∂D D D
∂P
Primero se demostrará que: ∫ P ∂x = − ∫∫ ∂y ∂x ∂y
∂D D
Para esto consideramos a D como una región tipo 1:
 a≤ x≤b 
D : ( x, y ) ∈ R 2 / 
y
 ϕ1 ( x ) ≤ y ≤ ϕ 2 ( x )
C3 φ2(x) Definimos la curva ∂D como:
∂D (+ ) = C1 ∪ C2 ∪ C3 ∪ C4
+ + − −

C4 D C2 Donde cada curva la parametrizamos:


+ x = t + x = a
φ1(x)
C1 :  C2 : 
C1  y = ϕ1 (t ) y = t
a b x
− x = t − x = b
C3 :  C4 : 
Figura 7-9  y = ϕ 2 (t ) y = t
Entonces la integral de línea queda:

∫ P ∂x = ∫ P ∂x + ∫ P ∂x + ∫ P ∂x + ∫ P ∂x
∂D C1+ C2 + C3 − C4 −
b b
= ∫ P (t , ϕ1 (t )) ∂t − ∫ P (t , ϕ 2 (t )) ∂t
a a
La integral doble queda:
bϕ (x)
∂P 2
∂P
− ∫∫ ∂x ∂y = − ∫ ∫ ∂y ∂x
D
∂y a ϕ1 ( x )
∂y
b
ϕ (x)
= − ∫ [P ( x, y )]ϕ12( x ) ∂x
a
b
= − ∫ (P (x, ϕ 2 ( x )) − P ( x, ϕ1 ( x ))) ∂x
a
b
= ∫ (P ( x, ϕ1 ( x )) − P ( x, ϕ 2 ( x ))) ∂x
a
Haciendo un cambio de variable de x = t , tenemos que:
b b
∂P
∫∂D P ∂x = ∫a P(t ,ϕ1 (t ))∂t − ∫a P(t , ϕ2 (t ))∂t = − ∫∫D ∂y ∂x ∂y
∂Q
Ahora se demostrará que: ∫ Q ∂y = ∫∫ ∂x ∂x ∂y
∂D D
Para esto consideramos a D como una región tipo 2:
 µ ( x ) ≤ x ≤ µ 2 ( x )
y µ1(y) µ2(y) D : ( x, y ) ∈ R 2 / 1 
C3  c≤ y≤d 
d
Definimos la curva ∂D como:
∂D (+ ) = C1 ∪ C2 ∪ C3 ∪ C4
+ + − −
C4
D C2
Donde cada curva la parametrizamos:
c + x = t + x = t
C1 :  C2 : 
 y = µ 2 (t )
C1
y = c
x
− x = t − x = t
C3 :  C4 : 
Figura 7-10 y = d  y = µ1 (t )
Entonces la integral de línea queda:

∫ Q ∂y = ∫ Q ∂y + ∫ Q ∂y + ∫ Q ∂y + ∫ Q ∂y
∂D C1+ C2 + C3 − C4 −
b b
= ∫ P (t , µ 2 (t )) ∂t − ∫ P(t , µ1 (t )) ∂t
a a
La integral doble queda:
d v (y)
∂Q 2
∂Q
∫∫D ∂x ∂x ∂y = ∫c µ ∫( y ) ∂x ∂x ∂y
1

b
µ (y)
= ∫ [Q( x, y )]µ12( y ) ∂y
a
b
= ∫ (Q(µ 2 ( y ), y ) − Q(µ1 ( y ), y )) ∂y
a
Haciendo un cambio de variable de x = y , tenemos que:
b b
∂Q
∫ Q ∂y = ∫ P(t , µ (t ))∂t − ∫ P(t , µ (t ))∂t = ∫∫ ∂x ∂x ∂y
∂D a
2
a
1
D

Ejemplo 7-8 Verificar el teorema de Green en la integral

∫ 2(x )
+ y ∂x + ( x + y ) ∂y , siendo C el contorno del triángulo
2 2 2

con vértices en los puntos (1,1) , (2,2) y (1,3) .


Solución: Como podemos observar en la figura 7-11 el problema nos pide
determinar la integral de línea a lo largo de una curva cerrada que
limita una región plana.

C2

C3
D

C1

Figura 7-11
Donde cada curva la parametrizamos:
+ x = t − x = t − x =1
C1 :  C2 :  C3 : 
y = t y = 4 −t y = t
1≤ t ≤ 2 1≤ t ≤ 2 1≤ t ≤ 3
Resolvemos la integral de línea acuerdo a la definición:

∫ F • ∂s = ∫ F • ∂s + ∫ F • ∂s + ∫ F • ∂s
C C1+ C2 − C3 −
2 2 3
= ∫ F (t , t ) • (1,1)∂t − ∫ F (t ,4 − t )• (1,−1)∂t − ∫ F (1, t )• (0,1)∂t
1 1 1
2 2 3
(
= ∫ 8t 2 ∂t − ∫ 4t 2 − 16t + 16 ∂t − ∫ t 2 + 2t + 1 ∂t ) ( )
1 1 1
2 2 3
 8t   4t
3
 t3 3

=   − − 8t 2 + 16t  −  + t 2 + t 
 3 1  3 1  3 1
56 28 26
= − + 24 − 16 − −8− 2
3 3 3

4
∫ F • ∂s = − 3 
C

Ahora resolvemos aplicando el teorema de Green:


2 4− x

∫ F • ∂s = ∫∫ (2(x + y ) − 4 y )∂y ∂x = ∫
C D 1
∫ (2 x − 2 y )∂y∂x
x
2 2
[
= ∫ 2 xy − y 2 ] 4− x
x (
∂x = ∫ 2 x(4 − 2 x ) − (4 − x ) + x 2 ∂x
2
)
1 1
2 2
 4 
( )
= ∫ − 4 x + 16 x − 16 ∂x = − x 3 + 8 x 2 − 16
2

1  3 1
28
= − + 24 − 16
3
4
∫ F • ∂s = − 3 
C
El teorema de Green puede ser aplicado al cálculo de áreas de regiones planas.
[ ]
Consideremos la región plana D en R2. Sea σ (t ) = ( x (t ), y (t )) , σ(t) : a,b ⊂ R →R ,
2

la parametrización de la frontera de D orientada positivamente. Sea el campo vectorial


F ( x, y ) = (P( x, y ), Q( x, y )) , F ( x, y ) : R 2 → R 2 , continua e integrable en D.
Entonces el área de la región D está definida por:
A[D ] = ∫∫ ∂y ∂x
D
Aplicando el teorema de Green al calcular la integral de línea de F sobre σ:
 ∂Q ∂P 
∫ F • ∂s = σ∫ P ∂x + Q∂y = ∫∫  ∂x − ∂y ∂y ∂x
σ D
Entonces para el valor de la integral de línea sea numéricamente igual al valor
del área de la región D, el campo vectorial F debe cumplir la siguiente condición:
∂Q ∂P
− =1
∂x ∂y
Por ejemplo tomando el campo F ( x, y ) = (− 12 y, 12 x ) , al aplicar el teorema de
Green:

∫σ F • ∂s = σ∫ − 1
2 y ∂x + 12 x∂y = ∫∫ ( 12 + 12 )∂y ∂x = ∫∫ ∂y ∂x = A[D ]
D D

Ejemplo 7-9 Calcular el área encerrada por el hipocicloide x2/3 + y 2/ 3 = a2/3 .

Solución: Como podemos observar en la figura 7-12 el problema nos pide


determinar el área de la región plana limitada por una curva cerrada.
D

Figura 7-12
La parametrización del hipocicloide orientado positivamente es:
σ (θ ) = (a cos3 θ , a sen 3 θ ); 0 ≤ θ ≤ 2π
Aplicando el teorema de Green para el cálculo de áreas tenemos:
A[D] = ∫∫∂y ∂x = ∫ − 12 y ∂x + 12 x∂y
D σ

( )
= ∫ − 12 asen3 θ − 3a cos2 θ senθ ∂θ + 12 a cos3 θ 3asen2 θ cosθ ∂θ( )
0

3a2
∫ (sen θ cos θ + cos θ sen θ )∂θ
4 2 4 2
=
2 0
2 2π
3a
∫sen θ cos θ(sen + cos )∂θ
2 2 2 2
=
2 0
2 2π 2
3a  sen2θ 
=
2 ∫0  2  ∂θ

3a2 1− cos4θ 
8 ∫0  2 
=   ∂θ

3a2  sen4θ 
= θ−
16  4 0
3a 2π
A[D] = 
8
7.7 FORMAS VECTORIALES DEL TEOREMA DE GREEN.
Sea el campo vectorial F ( x, y ) = (P( x, y ), Q( x, y )) , F ( x, y ) : R 2 → R 2 ,
continua e integrable en D. D una región plana tipo 3, “ ∂D ” su contorno orientado
positivamente entonces de acuerdo al teorema de Green:
 ∂Q ∂P 
∫ F • ∂s = ∫ P ∂x + Q∂y = ∫∫  ∂x − ∂y  ∂x ∂y
∂D ∂D D
Ahora si calculamos el rotor de F:
i j k
 ∂Q ∂P 
rotF = ∂∂x ∂∂y ∂∂z = 0,0, − 
 ∂x ∂y 
P Q 0
Definimos el producto punto:

(rotF) •k = 0,0, ∂Q − ∂P  • (0,0,1) = ∂Q − ∂P


 ∂x ∂y  ∂x ∂y
Entonces el teorema de Green pude ser expresado de la siguiente manera:

∫ F • ∂s = ∫∫ ((rot F ) • k )∂x ∂y
∂D D
CAPITULO 8
______________________________

“Nuestras almas, cuyas facultades pueden


comprender la maravillosa arquitectura del
mundo, y medir el curso de cada planeta
vagabundo, aún escalan tras el conocimiento
infinito”

Christopher Marlowe.

INTEGRALES DE SUPERFICIE

8.1. Parametrización de una superficie en R3.


8.2. Área de una superficie en R3.
8.3. Definición y cálculo de una integral de superficie para una
función escalar.
8.4. Definición y cálculo de una integral de superficie para una
función vectorial.
8.5. Integrales de superficie orientadas.
8.6. Teorema de Stokes.
8.7. Teorema de Gauss.
8.8. Aplicaciones.
8.1 PARAMETRIZACIÓN DE UNA SUPERFICIE EN R3.
Al igual que una curva en R3 puede ser parametrizada por una función σ,
definida en R y cuya imagen es la representación de la curva en el espacio
tridimensional. Así mismo una superficie en R3 puede ser expresada como la imagen de
una función Φ definida en R2.

Φ (u , v ) z
Φ(u , v)
Tu × Tv

v
Tu
Tv
U
y
v = v0 Φ(u , v0 )
Φ(u0 , v)

u = u0 u x
Figura 8-1

Definición:

Una superficie parametrizada es una función Φ : U ⊂ R 2 → R 3 de la forma


Φ(u, v ) = ( x(u, v ), y (u, v ), z (u , v )) , tal que su imagen representa una superficie
“S” en R3. Donde x(u , v ), y (u , v ), z (u , v ) son sus componentes. La función Φ es
de tipo C1 (diferenciable, hasta sus derivadas contínuas) en su dominio U si cada
una de sus componentes son también de tipo C1 en U.

Si se fija u en u0 y v en v0 se obtienen las rectas u = u 0 y v = v0 que en R3


representan las trayectorias Φ (u0 , v ) y Φ (u , v0 ) respectivamente, el punto (u 0 , v 0 )
se proyecta como Φ (u0 , v0 ) .
Φ(u , v0 ) = ( x(u , v0 ), y (u , v0 ), z (u , v0 ))
Φ(u0 , v ) = ( x(u0 , v ), y (u0 , v ), z (u0 , v ))
En el punto (u 0 , v 0 ) o en cualquier otro punto, se pueden trazar los vectores
tangentes a cada trayectoria:
 ∂x ∂y ∂z 
Tu =  , , 
 ∂u ∂u ∂u 
Vectores Tangentes Elementales
 ∂x ∂y ∂z 
Tv =  , , 
 ∂v ∂v ∂v 
Tu y Tv se llaman vectores tangentes elementales y pueden evaluarse en cualquier
punto de Φ (u, v ) .
Si hacemos el producto cruz entre los vectores tangentes elementales obtenemos:
i j k
∂x ∂y ∂z
Tu × Tv = ∂u ∂u ∂u
∂x ∂y ∂z
∂v ∂v ∂v
El vector Tu × Tv se denomina vector producto elemental y representa un vector
normal a la superficie en cualquier punto de Φ (u, v ) .

Definición:

Se dice que una superficie es suave cuando no tiene picos ni pliegues; esto se
reconoce matemáticamente cuando el vector producto elemental es diferente de
cero; entonces el punto o los puntos donde el vector producto elementa es cero la
superficie es no suave.

Ejemplo 8-1 Dado el cono z 2 = x 2 + y 2 parametrizado en forma cilindrica:


Φ(r ,θ ) = (r cos θ , r sen θ , r ) . Demostrar que ésta es una
parametrización no suave del cono en el origen.

Solución: Los vectores tangentes elementales:


Tr = (cos θ , sen θ ,1)
Tθ = (− r sen θ , r cos θ ,0 )
Entonces el vector producto elemental:
i j k
Tr × Tθ = cos θ sen θ 1
− r sen θ r cos θ 0
(
= − r cos θ ,−r sen θ , r cos 2 θ + r sen 2 θ )
= (− r cos θ ,− r sen θ , r )
Si evaluamos en punto (0,0,0 ) , es decir cuando r = 0
Tr × Tθ = (0,0,0 )
∴ La parametrización no es suave en el origen 
Ejemplo 8-2 Probar que la parametrización usual de cualquier función escalar
f : R 2 → R , cuya gráfica es una superficie en R3, es siempre
suave.

Solución: Parametrizamos la superficie de forma usual:


Φ( x, y ) = ( x, y, f ( x, y ))
Los vectores tangentes elementales:
 ∂f 
Tx = 1,0, 
 ∂x 
 ∂f 
Ty =  0,1, 
 ∂y 
Entonces el vector producto elemental:
i j k
 ∂f ∂f 
Tx × Ty = 1 0 ∂f
∂x =  − ,− ,1 ≠ (0,0,0 )
∂f  ∂x ∂y 
0 1 ∂y

∴ La parametrización usual es siempre suave

8.2 ÁREA DE UNA SUPERFICIE EN R3.


Dada una superficie “S” en R3 parametrizada por la función
Φ : D ⊂ R → R de la forma Φ(u, v ) = ( x(u, v ), y (u, v ), z (u , v )) .
2 3
Φ (u , v ) z Φ(u , v)
Tu i

v
vj+1 Tv j
Rij y

vj

ui ui+1 u x
Figura 8-2

Por simplicidad asumimos que D es un rectángulo, entonces dividimos a D en


“n” celdas. Sea Rij el ij-ésimo rectángulo en la partición con vértices: ui , v j , ( )
(u i +1 , v j ) , (ui , v j +1 ) y (ui +1 , v j +1 ), 0 ≤ i ≤ n − 1 , 0 ≤ j ≤ n − 1 .
Si se fija u en ui y v en vj se obtienen las rectas u = ui y v = v j que en R3
representan las trayectorias:
σ (v ) = Φ(ui , v) ; σ : [v j , v j +1 ] → R 3
ρ (u ) = Φ (u, v j ) ; ρ : [ui , ui +1 ] → R 3
Para un segmento de curva muy pequeño su longitud es aproximadamente la
magnitud del vector velocidad por lo cual tendremos para cada trayectoria:
∆lv = σ ' (v )(vi +1 − vi ) = σ ' (v ) ∆v
∆lu = ρ ' (u )(ui +1 − ui ) = ρ ' (u ) ∆u
Tomando las expresiones anteriores en forma vectorial y considerando las
definiciones de los vectores tangentes elementales:
∆Lv = σ ' (v j )∆v = Tv j ∆v
∆Lu = ρ ' (ui )∆u = Tu i ∆u
Sea ∆S el área de la porción de la superficie “S” que es la imagen de la región
Rij, si ∆u y ∆v son incrementos infinitesimales, entonces ∆S puede considerarse
como un paralelogramo; si recordamos que el área del paralelogramo generado por dos
vectores es la norma de su producto cruz, aplicando la anterior obtenemos:
∆S = ∆Lu × ∆Lv = Tu i ∆u × Tv i ∆v = Tu i × Tv i ∆u∆v
Si consideramos A[S ] como la suma del área de todas las particiones ∆S
n −1 n −1
A[S ] = ∑ ∆S = ∑∑ Tu i × Tv i ∆u∆v
j =0 i = 0
Cuando se toma un número de particiones “n” muy grande entonces tendremos:
n −1 n −1
A[S ] = lim ∑∑ Tu i × Tv i ∆u∆v
n →∞
j =0 i =0

A[S ] = ∫∫ Tu × Tv ∂u∂v
D

Definición:

Dada una superficie parametrizada por la función Φ : D ⊂ R 2 → R 3 de la


forma Φ (u , v ) = ( x(u , v ), y (u , v ), z (u , v )) , suave en D, tal que su imagen
representa una superficie “S” en R3. Entonces el área de “S” está dada por la
integral:
A[S ] = ∫∫ Tu × Tv ∂u∂v
D

Ejemplo 8-3 Encontrar el área de la superficie de la esfera x2 + y2 + z 2 = R2 .

Solución: Parametrizamos la superficie usando coordenadas esféricas:


0 ≤ u ≤ 2π
Φ(u, v ) = (R cos u sen v, R sen u sen v, R cos v ) ; 
0 ≤ v ≤ π
Los vectores tangentes elementales:
Tu = (− R sen u sen v, R cos u sen v,0 )
Tv = (R cos u cos v, R sen u cos v,− R sen v )
Entonces el vector producto elemental:
i j k
Tu × Tv = − R sen u sen v R cos u sen v 0
R cos u cos v R sen u cos v − R sen v
(
= − R 2 cos u sen 2 v,− R 2 sen u sen 2 v,− R 2 sen v cos v )
El área de la superficie de la esfera es:
A[S ] = ∫∫ Tu × Tv ∂u∂v
D

= ∫∫ R 4 cos2 u sen 4 v + R 4 sen 2 u sen 4 v + R 4 sen 2 v cos2 v ∂u∂v


D

= R 2 ∫∫ sen v ∂v∂u
D
2π π
= R 2 ∫ ∫ sen v ∂v ∂u
0 0

= R 2 ∫ [− cos v]0 ∂u
π

0

= 2 R 2 ∫ ∂u
0

A[S ] = 4πR  2

8.3 DEFINICIÓN Y CÁLCULO DE UNA INTEGRAL DE SUPERFICIE PARA


UNA FUNCIÓN ESCALAR.
En el capítulo anterior se estudiaron las integrales de trayectoria: se tenía una
función escalar continua f : U ⊂ R 3 → R y σ (t ) = ( x(t ), y (t ), z (t )) la
parametrización de una trayectoria en R3, σ (t ) : [a, b] ⊂ R → R 3 . Entonces la
integral de trayectoria de f sobre σ es:
b

∫σ f ∂s = ∫ ( f o σ )σ ' (t ) ∂t
a
Así mismo se encontrará una expresión que permita evaluar la integral de una
función escalar cuya región de integración será una superficie en R3.
Dada una función f ( x, y, z ) : U ⊂ R 3 → R diferenciable y acotada en U,
Φ(u, v ) = ( x(u, v ), y (u, v ), z (u , v )) la parametrización suave de una superficie “S”
en R3, Φ : D ⊂ R 2 → U ⊂ R3 .
Dividimos a D en “n” celdas. Es decir que la superficie “S” dividida en “n”
porciones. Si tomamos la ij-ésima porción de superficie cuya área está definida por
∆S ij . Definimos el producto:
∆H ij = f (xij , yij , zij )∆Sij
Al considerar la parametrización tendremos que los puntos de la superficie se
definen de la siguiente manera:
(x , y , z ) = Φ(u , v )
ij ij ij i j
Para una porción de superficie muy pequeña su área es aproximadamente:
∆S ij = Tu i × Tv j ∆u∆v
Si consideramos H como la suma de todos los ∆H ij :
n −1 n −1
H = ∑ ∆H = ∑∑ f (Φ (ui , v j ))Tu i × Tv i ∆u∆v
j =0 i =0
Cuando se toma un número de particiones “n” muy grande entonces tendremos:
n −1 n −1
H = lim ∑∑ f (Φ (ui , v j )) Tu i × Tv i ∆u∆v
n →∞
j =0 i = 0

H = ∫∫ ( f o Φ ) Tu × Tv ∂u∂v = ∫∫ f dS
D S

Definición:

Sea f ( x, y, z ) una función escalar definida en U ⊂ R 3 → R , diferenciable y


acotada en U, Φ (u , v ) = ( x(u , v ), y (u , v ), z (u , v )) de una superficie “S” en R3,
Φ : D ⊂ R 2 → U ⊂ R 3 . Se llama integral de superficie de f en S a la integral:

∫∫ f dS = ∫∫ ( f o Φ ) T
S D
u × Tv ∂u∂v

Ejemplo 8-4 Evaluar la integral ∫∫ f dS


S
del campo escalar

f ( x, y, z ) = x + y + 1 ; y S la superficie del helicoide


2 2

σ (r ,θ ) = (r cos θ , r sen θ ,θ ) ; donde r ∈ [0,1] y θ ∈ [0,2π ] .

Solución: Determinamos los vectores tangentes elementales:


Tr = (cos θ , sen θ ,0 )
Tθ = (− r sen θ , r cos θ ,1)
Entonces el vector producto elemental:
i j k
Tr × Tθ = cos θ sen θ 0
− r sen θ r cos θ 1
(
= sen θ ,− cos θ , r cos 2 θ + r sen 2 θ )
= (sen θ ,− cos θ , r )
Resolvemos la integral de acuerdo a la definición:
2π 1

∫∫ f dS = ∫ ∫
S 0 0
r 2 cos 2 t + r 2 sen 2 t + 1 (sen t ,− cos t , r ) ∂r ∂θ

2π 1 2π 1

∫∫ r 2 + 1 r 2 + 1∂r ∂θ = ∫ ∫ (r )
2
= + 1 ∂r ∂θ
0 0 0 0
2π 1 2π
r  4 3
= ∫  + r  ∂θ = ∫ ∂θ
0
3 0 3 0
8
∫∫
S
f dS = π 
3
También se puede expresar la integral de línea de un campo escalar utilizando la
parametrización usual para la superficie de la siguiente forma:
f ( x, y, z ( x, y ))
∫∫ f dS = ∫∫
S D
cos θ
∂x ∂y

Donde θ es el ángulo entre el vector normal N y el eje “z”.Esta forma se usa


cuando la superficie es plana, porque el término cos θ es constante.
Demostración:
Sea la superficie S parametrizada de forma z
usual:
Φ( x, y ) = ( x, y, f ( x, y )) N
Entonces el vector normal será:
 ∂f ∂f  θ
N = Tx × Ty =  − ,− ,1
 ∂x ∂y 
El producto punto entre el vector normal N
y el vector k: y

x
Figura 8-3
N • k = N k cos θ
 ∂f ∂f 
 − ,− ,1 • (0,0,1) = N cos θ
 ∂x ∂y 
1 = N cos θ
1
N =
cos θ
Reemplazando en la definición de integral de superficie para campos escalares:
f ( x, y, z ( x, y ))
∫∫ f dS = ∫∫ f (x, y, z(x, y )) T
S D
x × Ty ∂x∂y = ∫∫
D
cos θ
∂x ∂y

Ejemplo 8-5 Evaluar la integral de superficie ∫∫ x dS , donde S es el triángulo de


S

vértices (1,0,0) , (0,1,0) y (0,0,1) .


Solución: Determinamos el vector normal:
z

P3(0,0,1)

r
N y
P2(0,1,0)
π

P1(1,0,0)
x
Figura 8-4

i j k
N = V1 × V2 = − 1 1 0 = (1,1,1)
−1 0 1
N • k = N k cos θ
N •k 1
cos θ = =
N 3
Resolvemos la integral:
1 1− x
x
∫∫S x dS = ∫∫D cosθ ∂y∂x = 3 ∫0 ∫ x ∂y ∂x
0
1 1
= 3 ∫ [xy ]0 ∂x = 3 ∫ x − x 2 ∂x
1− x
( )
0 0
1− x
 x 2 x3 
= 3 − 
 2 3 0
3
∫∫ S
f dS =
6


8.4 DEFINICIÓN Y CÁLCULO DE UNA INTEGRAL DE SUPERFICIE PARA


UNA FUNCIÓN VECTORIAL.

Definición:

Sea F ( x, y, z ) = (F1 ( x, y, z ), F2 ( x, y, z ), F3 ( x, y, z )) una función vectorial


definida en U ⊂ R 3 → R 3 , diferenciable y acotada en U;
Φ(u, v ) = ( x(u, v ), y (u, v ), z (u , v )) de una superficie “S” en R 3,
Φ : D ⊂ R 2 → U ⊂ R 3 . Se llama integral de superficie de F en S a la
integral:

∫∫ F • dS = ∫∫ (F o Φ ) • (T
S D
u × Tv )∂u∂v

Ejemplo 8-6 Dado el campo vectorial F ( x, y , z ) = xi + yj + zk ; y S la


superficie de la semiesfera superior de radio 1
[
Φ(u, v ) = (cos u sen v, sen u sen v, cos v ) ; donde u ∈ 0,2π y ]
v ∈ [0, π2 ] . Evaluar la integral ∫∫ F • dS .
S

Solución: Determinamos los vectores tangentes elementales:


Tu = (− sen u sen v, cos u sen v,0 )
Tv = (cos u cos v, sen u cos v,− sen v )
Entonces el vector producto elemental:
i j k
Tu × Tv = − sen u sen v cos u sen v 0
cos u cos v sen u cos v − sen v
(
= − cos u sen 2 v,− sen u sen 2 v,− sen v cos v )
Resolvemos la integral de acuerdo a la definición:
π
2π 2

∫∫ F • dS = ∫ ∫ (F o Φ ) • (T
S 0 0
u × Tv )∂v ∂u
π
2π 2

∫ ∫ (− cos u )
2
= sen 3 v − sen 2 u sen 3 v − sen v cos 2 v ∂v ∂u
0 0
π
2π 2 2π 2π
π
= ∫ ∫ (− sen v )∂v ∂u = ∫ [cos v]
0 0 0
2
0 ∂u = − ∫ ∂u
0

∫∫ F • dS = −2π
S


8.5 INTEGRALES DE SUPERFICIE ORIENTADAS.

Definición:

Se consideran superficies orientadas aquellas que tienen dos caras bien definidas,
cuando no es posible, la superficie es no orientada.

Una superficie orientada tiene dos vectores normales, uno externo y otro interno
(uno que entra y otro que sale). Ambos vectores normales son opuestos, es decir, tienen
direcciones contrarias.
Como ejemplo vamos a tomar un plano que es una superficie orientada ya que
tiene dos caras bien definidas.
Dos parametrizaciones del planos serían:
φ 1 (u , v ) = ( x(u , v ), y (u, v ), z (u , v ))
φ 2 (s, t ) = ( x(s, t ), y (s, t ), z (s, t ))
De tal manera que el vector normal a la superficie,
N1 de acuerdo a cada parametrización será:
N 1= Tu × Tv
N 2= Ts × Tt
Se observa que:
N2 N 1= − N 2
Entonces al evaluar la integral de superficie de una
función vectorialF : U ⊂ R3 → R3 :

Figura 8-5
∫∫ F • N1 = − ∫∫ F • N 2
S S
Cambiar de orientación significa cambiar el sentido del vector normal. Una
cierta parametrización puede provocar este efecto, entonces se debe tomar en cuenta
que cuando se cambia la orientación de la superficie se está cambiando su signo.
Una superfiice en el espacio puede ser abierta o cerrada. Si una superficie limita
un sólido entonces se la denomina superficie cerrada; caso contrario, entonces se la
denomina superficie abierta.
Una superficie suave cerrada puede estar formada por la unión de varias
superficies abiertas suaves, por ejemplo el cubo unitario está formado por 6 superficies
abiertas suaves (planos):
z

S
S6

S
S3 S5 y

S1
x Figura 8-6

La integral de superficie en superficies como éstas es la suma de las integrales


de superficie de cada una de las superficies individuales que la conforman.
Sea “S” el cubo unitario, entonces:
S = S1 ∪ S 2 ∪ S 3 ∪ S 4 ∪ S5 ∪ S 6
Entonces la integral de superficie de F en S es:

∫∫ F • dS = ∫∫ F • dS + ∫∫ F • dS + ∫∫ F • dS + ∫∫ F • dS + ∫∫ F • dS + ∫∫ F • dS
S S1 S2 S3 S4 S5 S6

Ejemplo 8-7 Dado el campo vectorial F ( x, y , z ) = ( x, y , z ) ; y S la superficie de la


semiesfera superior de radio 1. Calcular la integral de superficie

∫∫ F • dS :
S
a.- Utilizando la parametrización esférica.
b.- Utilizando la parametrización usual.

Solución: a.- Φ (u , v ) = (cos u sen v, sen u sen v, cos v )


Entonces el vector producto elemental:
(
Tu × Tv = − cos u sen 2 v,− sen u sen 2 v,− sen v cos v )
Resolvemos la integral:
π
2π 2

∫∫ F • dS =
S
∫ ∫ (F o Φ ) • (T
0 0
u × Tv )∂v ∂u
π
2π 2

∫ ∫ (− cos u )
2
= sen 3 v − sen 2 u sen 3 v − sen v cos 2 v ∂v ∂u
0 0
π
2π 2 2π 2π
π
= ∫ ∫ (− sen v )∂v ∂u = ∫ [cos v]0 ∂u = − ∫ ∂u
0 0 0
2

∫∫ F • dS = −2π
S


b.- (
Φ ( x, y ) = x, y , 1 − x 2 − y 2 )
Entonces el vector producto elemental:
 x y 
Tx × Ty =  , ,1 
 1 − x2 − y 2 1 − x2 − y 2 
 
Resolvemos la integral:
(x, y, 1− x − y )• 1− xx − y , 
1 1−x2
y ∂y ∂x
∫∫F • dS = ∫ ∫
2 2
,1
S −1− 1−x2 
2 2
1− x2 − y2 
1 1−x2 2π 1
1 r
=∫ ∫ ∂y ∂x = ∫∫ ∂r ∂θ
−1− 1−x2 1− x2 − y2 0 0 1− r
2

2π 2π
[ ]
1
= ∫ − 1− r2 0 ∂θ = ∫ ∂θ
0 0

∫∫ F • dS = 2π
S


La parametrización esférica cambia la orientación de la superficie y la usual no.

8.6 TEOREMA DE STOKES.


3 3
Sea F un campo vectorial de R → R ; continuo e integrable en S. Si S es una
superficie parametrizada por la función Φ : D ⊂ R 2 → R 3 definida de la forma
Φ(u, v ) = ( x(u, v ), y (u , v ), z (u, v )) , donde D una región plana tipo 3, donde “ ∂S ”
es el contorno de S orientado positivamente, entonces:

∫ F • ∂r = ∫∫ rot F • ∂S
∂S S
El teorema de Strokes relaciona un integral de superficie con una integral de
línea en el contorno de la superficie. Cumple la misma función que el teorema de Green
sobre una superficie en R3.
z La orientación positiva del contorno se
asume en el sentido que caminaría un
observador de pie con dirección ala
N normal exterior de la superficie de tal
forma que la superficie quede a su
izquierda

y
S ∂S

x
Figura 8-7
El teorema de Strokes permite evaluar una integral de superficie en función de
una integral de línea, o viceversa; una integral de línea como una de superficie,
dependiendo de lo que sea más fácil de resolver.
Ejemplo 8-8 Verificar el teorema de Stokes para la superficie del paraboloide
semiesfera unitaria superior utilizando la función vectorial
F ( x, y , z ) = ( y , z , x ) .

Solución: Como podemos observar en la figura 8-8 el problema nos pide


resolver dos integrales una integral de línea cuya región de
integración es la curva que limita la semiesfera y una integral de línea
cuya región de integración es la superficie de la semiesfera.
Por tratarse de resolver una integral de línea es conveniente calcular
su rotor para determinar si el campo vectorial es un campo
conservativo
i j k
rotF = ∂∂x ∂∂y ∂∂z = (−1,−1,−1)
y z x

z = 1− x2 − y2

∂S

Figura 8-8
Parametrizamos la curva que limita la superficie:
∂S : σ (t ) = (cos t , sen t ,0); t ∈ [0,2π ]
Resolvemos la integral de línea acuerdo a la definición:
2π 2π

∫ F • ∂r = ∫ (sen t ,0, cos t )• (− sen t , cos t,0)∂t = ∫ − sen


2
t ∂t
∂S 0 0
2π 2π
 1 − cos 2t  1 sen 2t 
= − ∫ ∂t = −  θ −
0
2  2 4  0

∫ F • ∂r = −π
∂S


Ahora resolvemos aplicando el teorema de Stokes, para lo cual tenemos


que resolver un integral de superficie, entonces parametrizamos la
superficie:
(
Φ( x, y ) = x, y,1 − x 2 − y 2 )
Entonces el vector producto elemental:
Tx × Ty = (2 x,2 y,1)

∫ F • ∂r = ∫∫ rot F • ∂S
∂S S

= ∫∫ (− 1,−1,−1) • (2 x,2 y,1) ∂y ∂x = ∫∫ (− 2 x − 2 y − 1) ∂y ∂x


D D
2π 1
= ∫ ∫ (− 2r cosθ − 2r sen θ − 1)r ∂r∂θ
0 0
2π 1
 2 r2 
= ∫ − r 3 (cos θ + sen θ ) −  ∂θ
0
3 2 0

 2 2 1
= ∫  − cos θ − sen θ − ∂θ
0
3 3 2
2π 2π
 2 2 1 
∫( )
2
= − 4 x + 16 x − 16 ∂θ = − sen θ + cos θ − θ 
0  3 3 2 0

∫ F • ∂r = −π 
∂S

8.7 TEOREMA DE GAUSS.


3 3
Sea F un campo vectorial de R → R ; continuo e integrable en Ω. Sea Ω es
una región tipo 4 en R3, “ ∂Ω ” es su contorno, una superficie orientada cerrada que
limita a Ω, entonces:
∫∫ F • ∂S = ∫∫∫ div F ∂V
∂Ω Ω
El teorema de Gauss relaciona un integral triple con una integral de superficie en
el contorno de la región. Como los teoremas anteriores relaciona las integrales en un
todo y en su contorno.

Ejemplo 8-9 Verificar el teorema de Gauss para evaluar ∫∫ F • n ∂S , donde S


S

es la superficie cerrada determinada por x + y2 = 4, z = 0 y


2

( )
z = 2 . Utilizando el campo vectorial F ( x, y, z ) = 4 x,−2 y 2 , z 2 .

Solución: Como podemos observar en la figura 8-9 el problema nos pide resolver
una integral de superficie en una superficie cerrada. Por lo que
podemos resolver el primera como una integral de superficie o aplicado
Gauss y resolviendo una integral triple.
Dado que el problema nos pide que lo resolvamos de ambas maneras,
primero resolvemos como una integral de superficie:

S2

S1

S0

Figura 8-9
Para resolver la integral en toda superficie debemos dividirla en tres
porciones de superficie, parametrizar cada superficie y orientar sus
vectores normales al exterior, como se indica en la figuara 8-9.
Entonces la integral de superficie en la superfcie total S será:
∫∫ F • ∂S = ∫∫ F • ∂S + ∫∫ F • ∂S + ∫∫ F • ∂S
S S0 S1 S2
Resolvemos para la superficie S0, parametrizamos la superficie y
hallamos el vector producto cruz elemental:
S 0 : Φ( x, y ) = ( x, y,0 ); x 2 + y 2 ≤ 4
Tx × Ty = (0,0,1)
El vector producto cruz elemental está en dirección contraria del
normal exterior:
N 0 = −(0,0,1)
Calculamos la integral:

∫∫ F • ∂S = ∫∫ (4 x ,− 2 y ,0 )• (0,0,−1)∂x∂y = 0
2

S0 D0
Ahora resolvemos para la superficie S1, parametrizamos la superficie y
hallamos el vector producto cruz elemental:
S1 : Φ(θ , z ) = (2 cos θ ,2 sen θ , z ); 0 ≤ θ ≤ 2π ,0 ≤ z ≤ 2
Tθ × Tz = (2 cos θ ,2 sen θ ,0 )
El vector producto cruz elemental coincide con el normal exterior:
N1 = (2 cos θ ,2 sen θ ,0)
Calculamos la integral:

∫∫ F • ∂S = ∫∫ (4(2 cosθ ),−2(2 senθ ) , z )• (2 cosθ ,2 senθ ,0)∂θ ∂z


2 2

S1 D1
2 2π
( )
= ∫ ∫ 16 cos2 θ − 16 sen3 θ ∂θ ∂z
0 0
2 2π
 1 + cos 2θ 
= 16∫ ∫  − senθ + cos2 θ senθ ∂θ ∂z
0 0 
2
2 2π
1 1 
= 16∫  θ + sen 2θ + cosθ − cos3 θ  ∂z
0 0
2 4
2
= 16π ∫ ∂z
0

= 32π
Finalmente resolvemos para la superficie S2, parametrizamos la
superficie y hallamos el vector producto cruz elemental:
S 2 : Φ( x, y ) = ( x, y,2 ); x 2 + y 2 ≤ 4
Tx × Ty = (0,0,1)
El vector producto cruz elemental coincide con el normal exterior:
N 2 = (0,0,1)
Calculamos la integral:

∫∫ F • ∂S = ∫∫ (4 x,−2 y , (2) )• (0,0,1)∂x∂y


2 2

S2 D2

= 4 ∫∫ ∂x∂y = 4 A[D2 ] = 4(4π )


D2

= 16π
Por lo tanto la integral de superficie en la superfcie total S será:

∫∫ F • ∂S = ∫∫ F • ∂S + ∫∫ F • ∂S + ∫∫ F • ∂S
S S0 S1 S2

= 0 + 32 π + 16 π
∫∫ F • ∂S = 48π 
S
Ahora resolvemos aplicando el teorema de Gauss, para lo cual tenemos
que calcular el divergente del campo vectorial y resolver una integral
triple:
∫∫ F • ∂S = ∫∫∫ div F ∂V = ∫∫∫ (4 − 4 y + 2 z )∂V
S Ω Ω
2π 2 2
= ∫ ∫ ∫ (4 − 4 r sen θ + 2 z )r ∂z∂r∂θ
0 0 0
2π 2

∫ ∫ [4 rz − 4 r ]
2 2
= z sen θ + rz 2 0 ∂r∂θ
0 0
2π 2

∫ ∫ (12 r − 8r )
2
= sen θ ∂r∂θ
0 0
2π 2
 8 
= ∫  6 r 2 − r 3 sen θ  ∂ θ
0  0
3

 8 
= 8 ∫  3 − sen θ  ∂ θ
0  
3

 8 
= 8 3θ − cos θ 
 3 0
∫∫ F • ∂S = 48π 
S

8.8 APLICACIONES.